診療で得られるCT読影所見文の有効活用

<plone.namedfile.file.NamedBlobImage object at 0x7f1859f37b30 oid 0x661e4e in <Connection at 7f1869f4bca0>>

2024-11-29

life_sciences_medicine

{'items': [{'key': '1acii', 'term': '読影所見文', 'description': {'blocks': [{'key': 'femdc', 'text': '放射線科医がCTやMRIなどの医用画像を読影（診断）した結果を記述した報告書。国内の多くの施設で、放射線科医が自由に文章で記載する自由文記載形式が採用されている。', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': 'as51s', 'term': 'アノテーション', 'description': {'blocks': [{'key': 'b9nm5', 'text': '解析対象のデータ1つ1つに対して、人間が正しい情報を付与するプロセス。本研究では、放射線科医師がCT画像を確認して異常所見の有無を記録する。', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': 'clhll', 'term': '自然言語処理', 'description': {'blocks': [{'key': '3uaka', 'text': '人間が日常的に使う自然言語をコンピュータに処理させる技術で、機械翻訳、音声認識、対話システム、感情分析など、幅広い分野で活用が進んでいる。', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': '1rmcs', 'term': 'セグメンテーション', 'description': {'blocks': [{'key': 'eb6vn', 'text': '画像に含まれる情報を認識し、ピクセル単位で複数の領域に分割する技術。本研究では臓器がCT画像のどの部分に存在するかを認識する。', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': 'dtrep', 'term': '受信者動作特性曲線下面積(ROC-AUC)', 'description': {'blocks': [{'key': 'a9no', 'text': '分類モデルの性能評価に用いられる指標。横軸に偽陽性率、縦軸に真陽性率をプロットした際に得られる曲線の下の面積が1に近いほど、モデルの予測力が優れていることを示す。', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}]}

['med']

['佐藤淳哉', '武田理宏', '木戸尚治', '富山憲幸']

医療AIの学習には医師の診断がついた大量のデータが必要ですが、一から準備するには膨大な時間と労力がかかります。放射線科医として日々診療する中で蓄積される読影所見文をAIの学習に活用できないかと考えたことが、この研究の出発点です。今後、臨床応用に向けて精度向上や他の部位への適用など、さらに研究を進めていきたいと考えています。（佐藤淳哉さん（大学院生）

富山憲幸

教授

医学系研究科

https://rd.iai.osaka-u.ac.jp/ja/8fe3a47f3f238782.html