• コラム
  • 書評
  • 医療系企業・特集

AIを用いた超音波検査における影の自動検出 ラベルなしデータ学習で胎児心臓スクリーニング技術に進展

理化学研究所(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は、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。

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である。

共同研究グループは2018年度から、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人工知能(AI)技術を中心に研究開発を進めている。手動走査により取得し、また骨などによる影が入りやすい超音波検査画像に特有の課題を克服するために、これまで少量・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。

しかし今後、臨床応用を進めていくには、さらに多様な超音波検査画像を処理する必要がある。そのような検査画像の中には、診断支援AIにとって重要な臓器を隠してしまう影など、そのまま解析すると誤った検知結果を導くものが含まれる可能性もある。そのため、不適切なデータに対しては、再取得を促す機能の開発が求められていた。

超音波検査画像に映り込む影を検出する方法として、従来二つの手法がある。一つは影の性質を詳細にモデル化し、ルールに基づいて影を検出するという伝統的な画像処理のアプローチ、もう一つはディープラーニングを用いて、影の有無をラベル(正解)付けしたラベル付きデータを学習(教師あり学習)させて影を検出するというものである。

一つ目の手法は、超音波検査画像に映り込む多様な影に対応できるモデルを作る必要があるため、精度を高めることが難しいと考えられている。二つ目の手法は、ディープラーニングにより学習させるのに十分な量の「影あり/影なし」ラベル付きデータを準備する必要がある。しかし、影ありと影なしの境界を統一した基準でラベル付けすることが難しく、またこの境界以下の薄い影には原理的に対応できないという弱点があった。

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での学習により、影を自動検出する新手法を開発し、従来手法に比べて高精度に影を検出できることを確認した。また、本手法は、ラベルなしデータで学習することから、技術を実装する労力が大幅に削減されるというメリットがある。

また、本技術は検査対象を選ばず、実装する労力やコストも大幅に削減されるため、がん検診や成人循環器など領域横断的に活用されることが期待される。
(Medister 2019年8月17日 中立元樹)

<参考資料>
国立がん研究センタープレスリリース AIを用いた超音波検査における影の自動検出 ラベルなしデータ学習で胎児心臓スクリーニング技術に進展

医療系企業・特集

戦国武将とがん

書評

がんの種類