「COVID-19肺炎CT画像によるサーベイランスシステム」開発、クラウド基盤で自動解析
日本放射線学会の画像データベースに日々更新される肺炎CT画像を自動で解析し、新型コロナウイルスの肺炎患者の実態をリアルタイムで追跡できるシステムが開発された。入院対応が必要となる肺炎症状についてより迅速に医療現場に共有されることにより、医療資源の配分や体制構築の目安にできる可能性がある。
NIIの自動診断補助AIを活用、学会管理の画像データベースと連携
開発したのは、順天堂大学、名古屋大学、情報・システム研究機構 国立情報学研究所（NII）の研究グループ。国立研究開発法人情報通信研究機構（NICT）の委託研究の一環として行われた。
NIIと順天堂大学、名古屋大学は2020年、COVID-19肺炎CT画像の解析基盤と、その基盤を利用して研究開発した肺炎典型度を自動識別する「COVID-19診断補助AI」をすでに2020年に共同開発している。今回はこの診断補助AIに、日本医学放射線学会が開発して管理・運営している日本医用画像データベース（J-MID）に蓄積される肺炎CT画像のを解析させる取り組みを行った。具体的には、PCR検査によってCOVID-19と判明した症例を選別し、北米放射線学会（RSNA）が規定するCOVID-19肺炎の典型度分類※1に従ってCT画像を評価した。
現在までに、J-MIDに蓄積された画像および診断情報（アノテーション）からなるCOVID-19肺炎症例のデータは計1553例となっている。これらをSINET※2を通じてNIIのクラウド基盤に投入し、このデータを用いてAI解析が迅速に行えるように必要な情報を抽出するワークフローを確立、COVID-19肺炎のAI解析に最適化された学習データセットとして整備した。この学習データセットを用い、CT画像からのRSNA典型度自動識別を行うCOVID-19診断補助AIを開発した。開発した手法は、学習データが20例と少ない場合においても従来手法より高い精度での肺野セグメンテーションが可能だった。
今回の研究開発では、判別AIに3D Convolutional Neural Network (3D CNN) を用い、自動判別を新たに実現した。3D CNNの実現にあたっては、CT画像のAxial、Coronal、Sagittal断面それぞれで並列的に画像特徴抽出を行い、それらを統合して3D画像の判別を行う機構を独自に開発。約83%の分類精度を達成したという。
研究グループでは、開発したサーベイランスシステムの信頼性を上げ、COVID-19以外の疾患のサーベイランスや臨床現場のニーズに迅速に対応できる医療AIを研究開発する態勢を整えていくとしている。