医療画像アノテーションは専門知識が必要、AI活用支援普及が進まず

大阪大学は11月29日、日常診療で放射線科医によって作成された読影所見文とCT画像から情報を自動抽出し、これを学習することで、腹部CT画像の異常所見を臓器ごとに検出する高精度AIを開発したと発表した。この研究は、同大大学院医学系研究科の佐藤淳哉大学院生（人工知能画像診断学）、堀雅敏特任教授（常勤）（人工知能画像診断学）、武田理宏教授（医療情報学）、木戸尚治招へい教授（人工知能画像診断学）、富山憲幸教授（放射線医学）らの研究グループによるもの。研究成果は、「eBioMedicine」にオンライン掲載されている。

画像はリリースより
（詳細は▼関連リンクからご確認ください）

CT検査は、体内の状態を非侵襲的に評価できる検査であり、救急医療、がんの進行度診断、治療の経過観察などに広く使用されている。世界的にCT検査数が増加する一方で、診断を行う放射線科医は不足しており、負担の増加が診断精度の低下につながると懸念されている。AI技術が放射線科医の作業効率や診断精度の向上に役立つことは多くの研究で示されているが、精度の高いAIを開発するには放射線科医によりアノテーションされた大量の学習データが必要である。医療画像のアノテーションには専門知識と多大な時間が必要なため、AIを活用した画像診断支援の普及が妨げられてきた。

CT読影所見文に注目、アノテーション代替として活用

そこで今回の研究では、腹部CT画像と読影所見文を用いて、肝臓、胆嚢、膵臓、脾臓、腎臓の5臓器それぞれにおける異常を検出するシステムを開発した。日本医学放射線学会は、医用画像を全国規模で収集した日本医用画像データベース（Japan Medical Image Database：J-MID）を構築している。このデータベースには、CT画像および放射線科医によって診療時に作成された読影所見文がセットになって大量に集められている。研究グループは読影所見文に注目し、これをアノテーションの代替として活用できると考えた。

まず、読影所見文から固有表現抽出や関係抽出といった自然言語処理技術を用いて特定の臓器における疾患の有無を高い精度で自動抽出した。また、CT画像からは独自のデータセットで学習させた多臓器セグメンテーションモデルを用いて各臓器の領域を抽出した。文章から抽出した疾患情報とCT画像から抽出した臓器領域の情報を活用して画像診断支援AIシステムを開発した。このシステムでは、CT画像を入力すると、その中に異常が含まれる可能性を異常スコアとして出力することができる。

放射線科医診断と比較、5臓器平均で高い異常検出精度を示す

このシステムが出力した結果を、受信者動作特性曲線下面積（ROC-AUC）などの指標を用いて放射線科医の診断と比較した。その結果、臓器ごとの異常所見の有無を予測し、5臓器平均で高い異常検出精度（ROC-AUC=0.886）を示すことができた。次に、放射線科医によるアノテーションデータで学習した従来システムと性能を比較した。学習データ300例の場合は、本研究で構築したシステムの性能が劣るものの、学習データ数を増やすことで精度の向上が見られた。最終的には、いずれの臓器においても、同研究で構築したシステムが、従来システムを有意に上回る性能を示した。

画像診断支援AI普及と診断プロセス効率化に貢献の可能性

今回の研究では、腹部CT画像と関連する読影所見文を用いて、アノテーションの代替となるデータセットを作成し、CT画像の異常検出を高精度に行う画像診断支援AIを開発した。この手法により、放射線科医による手動のアノテーションが不要となり、効率的な学習プロセスを実現した。この手法は腹部以外の臓器やCT以外の画像検査にも適用可能であり、画像診断支援AIの普及と診断プロセスの効率化に貢献する可能性を示している、と研究グループは述べている。（QLifePro編集部）