本邦では現在約2人に1人が生涯のうちに「がん」に罹患すると考えられている。現代医学の進歩はめざましいが、薬の副作用に加え、その医療費はこれまでとは比較にならないほど莫大となっており、精度の高い予後予測と、その予測に基づく最適な治療選択法の開発が急務となっている。一方、現在の大きな流れとなっている人工知能人工知能(Artificial Intelligence, AI)分野では、囲碁の世界をはじめ、まだ十数年先と考えられていた画期的な出来事が次々と起きている。そこで本プロジェクトでは機序の異なる複数の機械学習技術を組み合わせた日本発の医療AIシステムを開発すると共に、ビッグデータに基づいた医療AIのエビデンス蓄積を目的とした。　　特に平成28年度においては、医師が理解できる「AIの説明可能性」に重点を置いた。ディープラーニングは高い分類精度を期待できるが、そのブラックボックス性が問題となっており、単独では臨床家が理解可能なエビデンス創出力に欠ける。AIの説明可能性がどの程度必要とされるかどうかは、誰がどの状況でAI技術を使用するかに大きく影響されるが、特に最終診断に直結する専門医レベルの医療では、医師が理解できる説明可能性が必須となる。そこで複数のディープラーニングネットワーク、非階層型クラスター分析、そしてサポートベクターマシン等を組み合わせることで、専門医が理解可能なシステム開発を進めた。また組織診断におけるAIシステムの実用化に向けては、病理医によるアノテーション作業が大きな障壁となっているため、現状のアノテーション作業の負担軽減に有用なシステムの開発、さらにその発展として、人のアノテーションを越えた新規医学的知見を発見可能なAI開発を目標とした。　　本年度はプロジェクトの最終年度であった。昨年度までに開発した技術を統合し、癌の再発リスクの予測が可能なAIシステムを開発した。そして、その有効性を世界にアピールするために、現在全世界でゴールドスタンダードとして用いられている前立腺癌「グリソンスコア」と比較し検証した。また比較対象となるグリソンスコアは、現時点の病理組織学で最も情報量の多い全割標本を使用した。・昨年度までに開発したプロトタイプのシステムの最終チェックと共に、その精度確認用のプログラムを作成した。そして、これまでに作成したデータベースを元に、AIシステムの検証を行った。・画像解析の専門家である病理医の診断プロセスを機械学習アルゴリズムに取り込むことで、超大型画像に対するAIシステムの認識精度を飛躍的に向上させる新技術を開発した。そして、この技術を病理画像に適用することで、病理医のアノテーションを要せずに病変における未知の説明可能な特徴を画像から検出するAIシステムの開発に成功した。・大学病院20年間分の前立腺癌手術症例の全割病理標本のデータベースを用いて、開発したAIシステムの検証を行った。検証の結果、開発したAIシステムが前立腺癌の予後予測において、エキスパートの診断により与えられたグリソンスコアを上回ることがわかった。さらに、本システムと病理医による診断とを併用することで、更なる精度向上が可能になることがわかった。・開発したシステムの特許申請を行い、論文を作成した。・本邦における医療AIに関しての正しい知識を広げるために、AI技術や本プロジェクトについて種々の学会で講演すると共に、一般向けの講演会や各種メディアを通して広く周知した。