画像の質を劣化させるだけでなく、検査の精度を著しく低下させる「音響陰影」

理化学研究所は7月26日、超音波検査に人工知能（AI）技術を適用する上で、大きな課題の一つである「影」の検出に関して、効率的な新技術を開発したと発表した。この研究は、理研革新知能統合研究センター（AIP）がん探索医療研究チームの小松正明研究員、理研AIP-富士通連携センターの原裕貴副連携センター長（株式会社富士通研究所代表取締役副社長）、昭和大学医学部産婦人科学講座の松岡隆准教授、国立がん研究センター研究所がん分子修飾制御学分野の浜本隆二分野長らの共同研究グループによるもの。研究成果は、医用画像へのディープラーニング技術適用に関する国際学会「MIDL 2019（the 2nd International Conference on Medical Imaging with Deep Learning）」で発表されている。

画像はリリースより

超音波検査では、超音波ビームが骨などの構造物に反射し、それより遠い場所の画像情報を取得できないために、その箇所が影として映ることがよくある。これは「音響陰影」と呼ばれ、画像の質を劣化させるだけでなく、検査そのものの精度を著しく低下させる最大の原因となっている。またそれらには、誤った検知結果を導くものが含まれる可能性がある。そのため、不適切なデータに対し、再取得を促す機能の開発が求められていた。

研究グループは2018年度より、機械学習、深層学習（ディープラーニング）を用いて、胎児心臓超音波画像の解剖学的構造をリアルタイムに検知することで、疾患による構造変化を検出する診断支援AI技術を中心に研究開発を進め、これまでに、少量・不完全なデータからでも的確な予測が可能な「ロバストな機械学習技術」を研究してきた。

胎児心臓スクリーニング技術への応用で、異常感知を防止

今回、共同研究グループは、機械学習の一つである深層学習（ディープラーニング）によるラベルなしデータ（人間がラベル（正解）を与えないデータ）での学習により、影を自動検出する新手法を開発。同技術を、昭和大学病院産婦人科での通常の妊婦健診において取得した胎児心臓の超音波検査動画に適用して評価した。動画93本（約16分）から作成した画像3万7,378枚を学習用データとして学習させ、7本（約1分）から抜き出して臨床医が影の部分をラベル付けした画像52枚（評価用データ）を使用して、影画像の検知精度（IoUとDICE）を評価。その結果、伝統的な画像処理手法（単純な2値化）、および従来型のディープラーニング手法（SegNet）と比較して、開発した新手法は高精度に影を検出できることを確認した。これにより、検出した影が胎児心臓の異常検知に悪影響を及ぼす可能性を見いだすことで、検査者に対して「再走査の指示」を出し、誤った異常検知を防ぐことが可能になるという。

今後は、同技術を2018年度に開発した胎児心臓超音波スクリーニングの基盤技術と統合することで、異常検知性能を向上させるとともに、条件を満たさない入力を判定して再走査を指示する仕組みの構築を目指す。

研究グループは、「同技術は、検査対象などが変化しても、手法やモデルを変える必要がなく、危険性の高い影がどこにあるかのラベル付けも不要であることから、従来手法に比べて、技術を実装する労力やコストが大幅に削減されるという長所がある。したがって、成人循環器やがん検診など、超音波検査が用いられている幅広い領域で横断的に活用されることが期待できる」と、述べている。（QLifePro編集部）