SlideShare a Scribd company logo
画像診断知識ベースと症例データベースを利用した
画像診断シミュレーター応用編の開発
笹井 浩介*1 打田 佐和子*2 仲野 俊成*3
*1特定非営利活動法人 メディカル指南車
*2大阪市立大学大学院医学系研究科 肝胆膵病態内科学
*3関西医科大学 大学情報センター
1
2
第22回日本医療情報学会春季学術大会
COI開示
演題名 : 画像診断知識ベースと症例データベースを利用した
画像診断シミュレーター応用編の開発
筆頭演者名 : 笹井浩介
私が発表する今回の演題については開示すべきCOIはありません。
1. はじめに
3
近年、医療現場では検査画像が十分に検討されていないという問題が
表面化し、死亡例も生じている。
◆画像診断を行う体制やシステ
ムが十分に整備されていない
◆医師・技師が多忙で、部下・
後輩の指導時間がとれない
◆画像診断を行う専門医が不足
している(専門医が常駐して
いるのは大病院のみというの
が実態)
2016年09月 名古屋大学医学部付属病院
肺がん50代男性 死亡
2016年12月 肺がん80代女性 死亡
2017年02月 毎日新聞
東京慈恵会医大病院
肺がん70代男性 死亡
↓
2017年03月 市民団体「患者の視点で医療
安全を考える連絡協議会」遺
族ら国に再発防止を要請
画像放置による医療事故 医療現場での問題
(氷山の一角ですが)
なぜこのような問題が生じる
のでしょうか?
4
専門医の育成には膨大な時間とお金がかかる
◆放射線科専門医、超音波専門医などの専門医の育成
医師免許取得後約10年の月日が必要。
・指導医のもとでの臨床研修と臨床経験
・論文発表
・試験合格
◆専門医不足への対応が必要!
厚労省によるチーム医療の推進
(医政発0430第1号 各都道府県知事宛)
→30代半ばでやっと一人前
しかし、チーム医療を推進しても、10年の月日が必要な専門医の
レベルにすべての医療従事者が容易に到達できるわけではない。
→知識情報処理による支援が必要!
その要因として
その間に
したがって
そこで
2.1 画像診断知識ベース
そこで我々は、画像診断の知識をコンピュータに付与するために、大
学病院に保有されている数千、数万の症例を分析し、専門医の監修の
もと以下の手順で知識ベースを構築した。
Fig.1 部位/モダリティー/カテゴリー
それぞれの部位/モダリティーごとに
画像診断を行う順序(手順)をカテゴ
リーとして関連付ける。
Fig.2 要素(語彙)間の関係
それぞれのカテゴリーにおいて、画像
診断に必要な「撮影条件」「基本部位」
「基本所見」「追加所見」「診断」などの
要素(語彙)とそれらの組合せ、組合せ
強度を分析し、数値的に関連付ける。
5
一定の濃度の部位を順に目視
Fig.3 詳細要素
それぞれの要素(語彙)に
接頭語や接尾語を詳細要素
として関連付ける。
Fig.4 クラス
それぞれの要素(語彙)を
上位概念でクラス分けする。
6
7Fig.5 腹部超音波画像診断知識ベースの概念
このようにして各要素をネットワーク状に関連付けた知識ベースを開発
8
このように関連付けを行ったデータベースを構築することにより、
大学病院に保有されている膨大な症例の知識と経験をコンピュータ
に付与することができる。
(それぞれの部位/モダリティーごとに数千~数万通りの画像診断に
関する知識をコンピュータに付与できる。)
9
2.1 症例データベース
大阪大学
医学部附属病院
大阪市立大学
医学部附属病院
関西医科大学/
大阪市立大学
医学部附属病院
2018.6.1現在
順次追加中
大学病院の有用性の高い症例を抽出し、知識ベースとの相互関係を定義
すること*1 により、症例をコンピュータに理解させることが可能!
胸部X線
約500症例
腹部超音波
約200症例
上部消化管内視鏡
約150症例
*1:知識ベースのどの
組合せに該当する症例
であるかを定義すること
10
2.2/2.3 応用システム(画像診断ナビゲーター/画像診断シミュレーター)
・過去のエビデンスに基づく診断ナビゲーション
・学習効果の高い画像症例の提供
・模範的な診療録の作成
・所見の解説や患者への説明方法の提示
・解答すべき選択肢を絞り込み,初学者でも
無理なく始められる基礎編
・構造化された診療録を参照して,問題解答
画面を自動的に生成し,答え合わせを行う
応用編
知識ベースと症例データベースの連動により診療フロ―に沿った情報を提供
診断フローに沿って知識を提供する
画像診断ナビゲーター
画像診断スキルを客観的に判断する
画像診断シミュレーター
コンピュータ(AI)
画像の特徴量/関数
(人間には理解不能)
実用可能な判断は限られる。
・胸部CTにおける結節影(肺癌)
・乳腺の石灰化(乳癌)
・大腸ポリープ(大腸癌)
コンピュータ(AI)
画像診断知識ベース
専門医の知識・経験
医師・技師
思考
知識
視覚
従来の人工知能(AI) 本発表における
知識情報処理
応用範囲が極めて広く、様々なシーンで医療従事
者の思考や判断に対して経験の蓄積ができる。
・初期診断を含めて厳密な知識表現
・教育用途
判断
支援
=
判断
人間に理解可能
正しい判断に導く
この方法は
11
コンピュータが
3 結果と考察 (我々の成果を従来の人工知能(AI)と比べてみると)
癌の確定診断向き
初期診断に応用可能
12
基本部位 基本所見 追加所見 診断
膵 に、
膵 膵管の拡張
SOL 内部低エコー 腫瘤形成性膵炎
に、
を認める。 、
を認める。 を疑う。
画像診断シミュレーター応用編 (これまでの問題点)
胸部X線
腹部超音波
基本部位 基本所見 診断撮影条件
Fig.6 「基本部位」「基本所見」「追加所見」の関係が正確に表現できない例
13
答え合わせ
自然文で表現された診療録の構造を判断して,「基本所見」「追加所見」「診断」を
穴埋め式で出題するようにした.
Fig.7 今回新たに開発した画像診断シミュレーター応用編問題解答画面
14
評価結果(胸部X線)
対象者: 群馬県立県民健康科学大学 診療放射線学部の学生10名
方 法: 限局性所見である結節影/腫瘤影と,びまん性所見であるスリガラス影
が含まれる30症例について,画像診断シミュレーター応用編を用いて所
見が存在すると思われる「基本部位」を解答する方式でテストを実施.
テスト後1週間,画像診断ナビゲーターを使用してA、Bの2グループに
分けて,Aでは結節影/腫瘤影の学習,Bではスリガラス影の学習を実施
後,再度テストを行い正解率の差を検討
その後,各グループで異なる陰影の学習を1週間行い,3度目のテスト
を実施
結 果:・2週間の学習により,平均正解率が34.5%から72.7%に上昇した.
・未学習時の正答率は結節影/腫瘤影が40%、スリガラス影が23%であ
り,結節影/腫瘤影よりスリガラス影のほうが困難であることが判明
・2週間の学習後は,両方の陰影とも70%程度の正答率となり,スリガラ
ス影で特に学習効果が顕著であった.
15
今後、大阪市立大学医学部にて研修医対象に腹部超音波における効果確認を
実施予定
対象者: 金沢大学 放射線技術科学専攻の学生5名
方 法: 画像診断ナビゲーター基礎編で「基本部位」を問う問題を30問実施.
その後1週間で画像診断ナビゲーターと画像診断シミュレーター応用編
を用いて各自90分間の学習を行い,その後1回目と同様の方法で2回
目のテストを実施し,さらにその後1週間で同様の学習を行い3回目の
テストを実施した.
テストは難易度の低い症例から高い症例まで問題数を決めて実施した.
( レベル1:4問,レベル2:10問,レベル3:10問,レベル4:3問,レベル5:3問)
結 果:
Fig.8 実験対象者ごとの正答率(%) Fig.9 問題レベルごとの平均正答率(%)
我々は胸部単純X線,腹部超音波,上部消化管内視鏡におい
て「画像診断知識ベース」と「症例データベース」を構築し,それら
を利用して画像診断ナビゲーターと画像診断シミュレーターを開
発してきた.
胸部単純X線ではこのシステムが有効に機能して効率的な学
習効果が確認できたが,腹部超音波,上部内視鏡では「基本所
見」「追加所見」の組合せについて正確に出題できないという問題
があった.
今回,腹部超音波や上部消化管内視鏡において,「基本所見」
「追加所見」の組合せを正確に出題することのできる画像診断シ
ミュレーター応用編を開発することができた.胸部単純X線同様
の学習効果が期待される.
5. 結語
16
17

More Related Content

Similar to 第22回医療情報学会春季学術大会発表資料

探求の道 Lead Clearly
探求の道 Lead Clearly探求の道 Lead Clearly
探求の道 Lead Clearly
Yutaka KATAYAMA
 
医学と工学の垣根を越えた医療AI開発
医学と工学の垣根を越えた医療AI開発医学と工学の垣根を越えた医療AI開発
医学と工学の垣根を越えた医療AI開発
Deep Learning Lab(ディープラーニング・ラボ)
 
デジタル医療イニシアティブ×Xport『 ビジネスミートアップ』
デジタル医療イニシアティブ×Xport『 ビジネスミートアップ』デジタル医療イニシアティブ×Xport『 ビジネスミートアップ』
デジタル医療イニシアティブ×Xport『 ビジネスミートアップ』
NPO法人メディカル指南車
 
病院で働く技師による深層学習を用いた研究
病院で働く技師による深層学習を用いた研究病院で働く技師による深層学習を用いた研究
病院で働く技師による深層学習を用いた研究
Yutaka KATAYAMA
 
Public health research center 20150820
Public health research center 20150820Public health research center 20150820
Public health research center 20150820
Kazuki Kasama
 
研究倫理と不正
研究倫理と不正研究倫理と不正
研究倫理と不正
Soichi Tokizane
 
ヘルスケア領域でのDeep Learnigの動向
ヘルスケア領域でのDeep Learnigの動向ヘルスケア領域でのDeep Learnigの動向
ヘルスケア領域でのDeep Learnigの動向
Naoji Taniguchi
 
発表スライド
発表スライド発表スライド
発表スライド
Akira Tamamori
 
リスク可視化の基本的方法
リスク可視化の基本的方法リスク可視化の基本的方法
リスク可視化の基本的方法
Takayuki Itoh
 
【伝授男子】AIで人命を救うMedical Imagingとは Medical Imagingが切り開く医療の未来
【伝授男子】AIで人命を救うMedical Imagingとは Medical Imagingが切り開く医療の未来【伝授男子】AIで人命を救うMedical Imagingとは Medical Imagingが切り開く医療の未来
【伝授男子】AIで人命を救うMedical Imagingとは Medical Imagingが切り開く医療の未来
カリス 東大AI博士
 
Sprint 15
Sprint 15Sprint 15
Sprint 15
yukimu
 
(実績報告版)病院管理職向けサイバーセキュリティ机上演習シナリオの開発
(実績報告版)病院管理職向けサイバーセキュリティ机上演習シナリオの開発(実績報告版)病院管理職向けサイバーセキュリティ机上演習シナリオの開発
(実績報告版)病院管理職向けサイバーセキュリティ机上演習シナリオの開発
HealthcareBitStation
 
CycleGANによる異種モダリティ画像生成を用いた股関節MRIの筋骨格セグメンテーション
CycleGANによる異種モダリティ画像生成を用いた股関節MRIの筋骨格セグメンテーションCycleGANによる異種モダリティ画像生成を用いた股関節MRIの筋骨格セグメンテーション
CycleGANによる異種モダリティ画像生成を用いた股関節MRIの筋骨格セグメンテーション
奈良先端大 情報科学研究科
 
MetaFormerを用いた胎児心拍数陣痛図によるハイリスク出産の予測
MetaFormerを用いた胎児心拍数陣痛図によるハイリスク出産の予測MetaFormerを用いた胎児心拍数陣痛図によるハイリスク出産の予測
MetaFormerを用いた胎児心拍数陣痛図によるハイリスク出産の予測
KazunariHemmi
 
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
Itaru Kaneko
 
VIS-ImagingCoreLabServices
VIS-ImagingCoreLabServicesVIS-ImagingCoreLabServices
VIS-ImagingCoreLabServices
Tatsuaki Kobayashi
 
20141002 医療福祉技術シンポジウム
20141002 医療福祉技術シンポジウム20141002 医療福祉技術シンポジウム
20141002 医療福祉技術シンポジウム
Isamu Kajitani
 
研究活動を通じた科研費取得の 1 モデル
 研究活動を通じた科研費取得の 1 モデル 研究活動を通じた科研費取得の 1 モデル
研究活動を通じた科研費取得の 1 モデル
Yutaka KATAYAMA
 
190602 benchmarking neural network robustness to common corruptions and pertu...
190602 benchmarking neural network robustness to common corruptions and pertu...190602 benchmarking neural network robustness to common corruptions and pertu...
190602 benchmarking neural network robustness to common corruptions and pertu...
亮宏 藤井
 

Similar to 第22回医療情報学会春季学術大会発表資料 (20)

探求の道 Lead Clearly
探求の道 Lead Clearly探求の道 Lead Clearly
探求の道 Lead Clearly
 
医学と工学の垣根を越えた医療AI開発
医学と工学の垣根を越えた医療AI開発医学と工学の垣根を越えた医療AI開発
医学と工学の垣根を越えた医療AI開発
 
デジタル医療イニシアティブ×Xport『 ビジネスミートアップ』
デジタル医療イニシアティブ×Xport『 ビジネスミートアップ』デジタル医療イニシアティブ×Xport『 ビジネスミートアップ』
デジタル医療イニシアティブ×Xport『 ビジネスミートアップ』
 
病院で働く技師による深層学習を用いた研究
病院で働く技師による深層学習を用いた研究病院で働く技師による深層学習を用いた研究
病院で働く技師による深層学習を用いた研究
 
Public health research center 20150820
Public health research center 20150820Public health research center 20150820
Public health research center 20150820
 
研究倫理と不正
研究倫理と不正研究倫理と不正
研究倫理と不正
 
ヘルスケア領域でのDeep Learnigの動向
ヘルスケア領域でのDeep Learnigの動向ヘルスケア領域でのDeep Learnigの動向
ヘルスケア領域でのDeep Learnigの動向
 
発表スライド
発表スライド発表スライド
発表スライド
 
リスク可視化の基本的方法
リスク可視化の基本的方法リスク可視化の基本的方法
リスク可視化の基本的方法
 
【伝授男子】AIで人命を救うMedical Imagingとは Medical Imagingが切り開く医療の未来
【伝授男子】AIで人命を救うMedical Imagingとは Medical Imagingが切り開く医療の未来【伝授男子】AIで人命を救うMedical Imagingとは Medical Imagingが切り開く医療の未来
【伝授男子】AIで人命を救うMedical Imagingとは Medical Imagingが切り開く医療の未来
 
Sprint 15
Sprint 15Sprint 15
Sprint 15
 
(実績報告版)病院管理職向けサイバーセキュリティ机上演習シナリオの開発
(実績報告版)病院管理職向けサイバーセキュリティ机上演習シナリオの開発(実績報告版)病院管理職向けサイバーセキュリティ机上演習シナリオの開発
(実績報告版)病院管理職向けサイバーセキュリティ机上演習シナリオの開発
 
CycleGANによる異種モダリティ画像生成を用いた股関節MRIの筋骨格セグメンテーション
CycleGANによる異種モダリティ画像生成を用いた股関節MRIの筋骨格セグメンテーションCycleGANによる異種モダリティ画像生成を用いた股関節MRIの筋骨格セグメンテーション
CycleGANによる異種モダリティ画像生成を用いた股関節MRIの筋骨格セグメンテーション
 
MetaFormerを用いた胎児心拍数陣痛図によるハイリスク出産の予測
MetaFormerを用いた胎児心拍数陣痛図によるハイリスク出産の予測MetaFormerを用いた胎児心拍数陣痛図によるハイリスク出産の予測
MetaFormerを用いた胎児心拍数陣痛図によるハイリスク出産の予測
 
Jsme 2014 wakayama
Jsme 2014 wakayamaJsme 2014 wakayama
Jsme 2014 wakayama
 
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
 
VIS-ImagingCoreLabServices
VIS-ImagingCoreLabServicesVIS-ImagingCoreLabServices
VIS-ImagingCoreLabServices
 
20141002 医療福祉技術シンポジウム
20141002 医療福祉技術シンポジウム20141002 医療福祉技術シンポジウム
20141002 医療福祉技術シンポジウム
 
研究活動を通じた科研費取得の 1 モデル
 研究活動を通じた科研費取得の 1 モデル 研究活動を通じた科研費取得の 1 モデル
研究活動を通じた科研費取得の 1 モデル
 
190602 benchmarking neural network robustness to common corruptions and pertu...
190602 benchmarking neural network robustness to common corruptions and pertu...190602 benchmarking neural network robustness to common corruptions and pertu...
190602 benchmarking neural network robustness to common corruptions and pertu...
 

第22回医療情報学会春季学術大会発表資料