皮膚疾患画像ナショナルデータベースの構築とAI活用診療支援システムの開発
研究課題情報
- 課題管理番号
- 18lk1010029h0001
- 9つの連携分野プロジェクト
その他<第一期>
- 事業名
臨床研究等ICT基盤構築・人工知能実装研究事業
- タグ(2018)
研究の性格: 研究基盤及び創薬基盤の整備研究<創薬技術・ICT基盤・プラットフォーム関係含む>
開発フェーズ: 該当なし
承認上の分類: 薬機法分類非該当
対象疾患: 新生物
- 代表研究機関
- 公益社団法人日本皮膚科学会
- 研究代表者
(2018) 川口安名⇒天谷 雅行, 公益社団法人日本皮膚科学会, 理事長
- 研究期間
- 2018年度 - 2018年度
- 課題への総配分額
- 189,973 千円
- 研究概要(2018)
研究成果情報
2018
成果の概要
keyboard_arrow_down
1) NSDD (National Skin Disease Database)の構築 AI開発に資するデータベース構築のため、皮膚臨床画像の収集に着手した。NSDDでは、1)各研究分担施設皮膚科学教室で保存されている画像ファイル名や附随情報の統一化、2)ICD10 と ICD11 にも対応しうる病名記載ルールの統一化(英語病名の附随)を行い、病名や部位情報を付帯し直す作業を同時に行いつつ、最終的に約18万枚の臨床画像を収集した。 2) AI皮膚画像診療補助基盤の開発 ①AIを用いた皮膚腫瘍診断基盤開発;筑波大学が2018年度に論文報告を行った。東京女子医科大学東医療センターと信州大学(ダーモスコピー画像を対象とした研究開発)は、国際コンクールの参加実績のある AIを元に学習機能強化を行った。東北大学では、病理診断補助AIの解析アルゴリズムの特許を申請し、新規性が認められ現在公開中で論文執筆中である。病理組織バーチャルスライド画像は複数の異なるメーカーの保存形式が存在するため、統一した形式での教師データを作成可能なアプリケーションを半年で開発した。このアプリケーションを使用して教師データを現在も作成・拡張中であり、2019 年 8 月をめどに論文化を目指している。合わせて産学共同研究の協議を行なっている。 ②AI を用いた皮膚救急疾患診断基盤開発(重症薬疹、感染症);新潟大学では、ウィルス発疹症や皮膚リンパ腫などの鑑別疾患をも学習対象とした薬疹AI診断補助技術のプロトタイプを完成し、成果を発表した(日本皮膚科学会東京支部大会、東京都、2018)。 ③AIを用いた全身性疾患の皮膚症候診断基盤開発(水疱性疾患、膠原病);慶應義塾大学と東京大学では、デルマドロームと診断された皮膚症状をAI学習させることで、皮膚症状からの内臓器病変の気付きを補助するAI診断技術を開発中である。 ④遠隔診療を見据えた患者指導を支援するAI診療補助技術開発;東北大学では、アトピー性皮膚炎重症度を判断し、外用剤の選択と指導をおこなうAI診療補助技術の成果を発表した(日本皮膚科学会東部支部大会、旭川市、2018)。また、AIを掲載するためのアプリのひな形を開発した(成果未発表)。
学会誌・雑誌等における論文一覧
keyboard_arrow_down
1. Deep-learning-based, computer-aided classifier developed with a small dataset of clinical images surpasses board-certified dermatologists in skin tumour diagnosis,Fujisawa, Y. Otomo, Y. Ogata, Y. Nakamura, Y. Fujita, R. Ishitsuka, Y. Watanabe, R. Okiyama, N. Ohara, K. Fujimoto, M., Br J Dermatol, 2018, 180(2), 373-381 doi:10.1111/bjd.16924
2. Koshiba S, Motoike I, Saigusa D, Inoue J, Shirota M, Katoh Y, Katsuoka F, Danjoh I, Hozawa A, Kuriyama S, Minegishi N, Nagasaki M, Takai-Igarashi T, Ogishima S, Fuse N, Kure S, Tamiya G, Tanabe O, Yasuda J, Kinoshita K, Yamamoto M. Omics research project on prospective cohort studies from the Tohoku Medical Megabank Project. Genes to Cells. 2018, 23(6), 406-417, doi: 10.1111/gtc.12588.
3. Hiyama G, Mizushima S, Matsuzaki M, Tobari Y, Choi JH, Ono T, Tsudzuki M, Makino S, Tamiya G, Tsukahara N, Sugita S, Sasanami T. Female Japanese quail visually differentiate testosterone-dependent male attractiveness for mating preferences. Scientific Reports. 2018, 8(1), 10012, doi: 10.1038/s41598-018-28368-z.
4. Kuroha T, Nagai K, Gamuyao R, Wang DR, Furuta T, Nakamori M, Kitaoka T, Adachi K, Minami A, Mori Y, Mashiguchi K, Seto Y, Yamaguchi S, Kojima M, Sakakibara H, Wu J, Ebana K, Mitsuda N, Ohme-Takagi M, Yanagisawa S, Yamasaki M, Yokoyama R, Nishitani K, Mochizuki T, Tamiya G, McCouch SR, Ashikari M. thylene-gibberellin signaling underlies adaptation of rice to periodic flooding. Science. 2018, 361(6398), 181-186, doi: 10.1126/science.aat1577.
5. Yasuda J, Katsuoka F, Danjoh I, Kawai Y, Kojima K, Nagasaki M, Saito S, Yamaguchi-Kabata Y, Tadaka S, Motoike IN, Kumada K, Sakurai-Yageta M, Tanabe O, Fuse N, Tamiya G, Higasa K, Matsuda F, Yasuda N, Iwasaki M, Sasaki M, Shimizu A, Kinoshita K, Yamamoto M. Regional genetic differences among Japanese populations and performance of genotype imputation using whole-genome reference panel of the Tohoku Medical Megabank Project. BMC Genomics. 2018, 19(1), 551, doi: 10.1186/s12864-018-4942-0.
6. Obara T, Ishikuro M, Tamiya G, Ueki M, Yamanaka C, Mizuno S, Kikuya M, Metoki H, Matsubara H, Nagai M, Kobayashi T, Kamiyama M, Watanabe M, Kakuta K, Ouchi M, Kurihara A, Fukuchi N, Yasuhara A, Inagaki M, Kaga M, Kure S, Kuriyama S. Potential identification of vitamin B6 responsiveness in autism spectrum disorder utilizing phenotype variables and machine learning methods. Scientific Reports. 2018, 8(1), 14840, doi: 10.1038/s41598-018-33110-w.
7. Yasuda J, Kinoshita K, Katsuoka F, Danjoh I, Sakurai-Yageta M, Motoike IN, Kuroki Y, Saito S, Kojima K, Shirota M, Saigusa D, Otsuki A, Kawashima J, Yamaguchi-Kabata Y, Tadaka S, Aoki Y, Mimori T, Kumada K, Inoue J, Makino S, Kuriki M, Fuse N, Koshiba S, Tanabe O, Nagasaki M, Tamiya G, Shimizu R, Takai-Igarashi T, Ogishima S, Hozawa A, Kuriyama S, Sugawara J, Tsuboi A, Kiyomoto H, Ishii T, Tomita H, Minegishi N, Suzuki Y, Suzuki K, Kawame H, Tanaka H, Taki Y, Yaegashi N, Kure S, Nagami F; Tohoku Medical Megabank Project Study Group, Kosaki K, Sutoh Y, Hachiya T, Shimizu A, Sasaki M, Yamamoto M. Genome analyses for the Tohoku Medical Megabank Project towards establishment of personalized healthcare. The Journal of Biochemistry. 2018, 65(2), 139-158, doi: 0.1093/jb/mvy096.
8. Kiyoyuki Chinzei, Akinobu Shimizu, Kensaku Mori, Kanako Harada, Hideaki Takeda, Makoto Hashizume, Mayumi Ishizuka, Nobumasa Kato, Ryuzo Kawamori, Shunei Kyo, Kyosuke Nagata, Takashi Yamane, Ichiro Sakuma, Kazuhiko Ohe, Mamoru Mitsuishi: Regulatory Science on AI-based Medical Devices and Systems, Adv Biomed Eng., 7: 118–123, 2018., DOI:10.14326/abe.7.118.
学会・シンポジウム等における口頭・ポスター
keyboard_arrow_down
1. 一般的な臨床写真を用いた AI による皮膚腫瘍診断 ~どこまで皮膚科医に迫れるのか~,口頭,藤澤康弘,第 82 回日本皮膚科学会東京支部学術大会,2018/12/1,国内
国内 / 口頭
2. COMPUTER-AIDED CLASSIFIER WITH A DEEP CONVOLUTIONAL NEURAL NETWORK SURPASSES BOARD-CERTIFIED DERMATOLOGISTS IN SKIN TUMOR DIAGNOSIS,口頭,Fujisawa Y., Otomo Y., Ogata Y., Nakamura Y., Fujimoto M.,15th European Association of Dermato-Oncology, 国外(Paris, France)
国外 / 口頭
3. "Deep Ackerman A novel deep learning method to develop dermatopathology diagnosis by artificial intelligence"、Oral presentation (Plenary session)、 Ota, K. Shido, K. Kojima, K. Yamasaki, M. Nagasaki, S. Aiba、International Investigative Dermatology (2018), Orland, USA
不明 / 口頭
4. "深層学習を用いたアトピー性皮膚炎重症度診断補助人工知能開発"、口頭、宮田 修吾、志藤 光介、小島 要、長崎 正朗、山﨑 研志、相場 節也、第 82 回日本皮膚科学会東部支部学術大会 2018/10/6、国内
国内 / 口頭
5. 人工知能技術によるゲノムコホート研究, 口頭, 田宮元, 第 225 回日本小児科学会宮城地方会, 2018/7/1, 国内.
国内 / 口頭
6. ジャポニカアレイの遺伝統計解析, 口頭, 田宮元, 第3回ジャポニカアレイ研究会, 2018/9/15, 国内.
国内 / 口頭
7. RNF213 の遺伝統計解析, 口頭, 田宮元, 日本脳神経外科学会 第77回学術総会, 2018/10/11, 国内.
国内 / 口頭
8. 人工知能・機械学習手法による大規模ゲノムコホート解析, 口頭, 田宮元, 第 1 回日本メディカル AI 学会学術集会, 2019/1/15, 国内.
国内 / 口頭
9. AI 時代の医療の可能性と課題,口頭,大江和彦,第 149 回山口県医師会生涯研修セミナー, 山口県医師会,2018/9/2,国内
国内 / 口頭