人工知能:アルゴリズムが医用画像の解析を改善

November, 27, 2024, Karlsruhe--人工知能(AI)は、医用画像データの評価を向上させることができる。たとえば、ディープラーニング(DL)に基づくアルゴリズムは、腫瘍の位置とサイズを決定できる。これは、医用画像解析の国際コンペティションであるautoPETの結果である。
カールスルーエ工科大学(KIT)の研究者が5位に入賞した。陽電子放出断層撮影法(PET)とコンピュータ断層撮影法(CT)のアルゴリズムが腫瘍病変を検出する方法が、Nature Machine Intelligence誌(DOI:10.1038/s42256-024-00912-9)の7つの最高のautoPETチームによって報告されている。

イメージング技術は、ガンの診断において非常に重要である。腫瘍のサイズと種類を正確に判断する能力は、適切な治療法を見つけるために重要である。最も重要なイメージング技術には、陽電子放出断層撮影法(PET)とコンピュータ断層撮影法(CT)が含まれる。PETは、放射性核種の助けを借りて体内の代謝プロセスを可視化する。悪性腫瘍は、良性組織よりもはるかに集中的な代謝を示すことがよくある。この目的のために、放射性標識グルコース、通常はフルオロ-18-デオキシグルコース(FDG)が使用される。CTでは、X線管内で体を層ごとにX線撮影して、解剖学的構造を可視化し、腫瘍を特定する。

自動化により、時間の節約、評価向上が可能
ガン患者には、腫瘍の成長によって引き起こされる病理学的変化など、何百もの病変がある場合がある。均一な画像を得るには、すべての病変を記録することが重要。医師は、2Dスライス画像を手動でマーキングすることで腫瘍病変のサイズを決定するが、これは非常に時間のかかる作業である。「アルゴリズムによる自動評価により、時間を大幅に節約し、結果を改善することができる」と、KITのHuman-Computer Interaction Lab(cv:hci)のコンピュータビジョン責任者であるRainer Stiefelhagen教授は説明している。

cv:hciの博士課程の学生、Rainer StiefelhagenとZdravko Marinovは、2022年の国際autoPETコンペティションに参加し、世界中から359人が参加した27チーム中5位に入賞した。KITの研究者たちは、エッセンのIKIM(Institute for Artificial Intelligence in Medicine)のJens Kleesiek教授とLars Heiliger教授とチームを結成した。テュービンゲン大学病院とミュンヘン大学病院が主催するautoPETは、イメージングと機械学習を組み合わせたものである。課題は、全身PET / CTでの代謝的に活発な腫瘍病変の自動セグメンテーションだった。アルゴリズムのトレーニングでは、参加チームは注釈付きの大規模なPET/CTデータセットにアクセスできた。コンペティションの最終フェーズに提出されるすべてのアルゴリズムは、ディープラーニングの手法に基づいている。これは、多層の人工ニューラルネットワーク(ANN)を使用して、大量のデータ内の複雑なパターンと関係を認識する機械学習の分野。autoPETコンペティションの上位7チームが、Nature Machine Intelligence誌に、医用画像データの自動評価の可能性について報告している。

アルゴリズムアンサンブルは腫瘍病変を最適に検出する
研究者が出版物で説明しているように、最も評価の高いアルゴリズムのアンサンブルは、個々のアルゴリズムよりも優れていることが証明された。アルゴリズムアンサンブルは、腫瘍病変を効率的かつ正確に検出できる。「ただし、画像データ評価におけるアルゴリズムのパフォーマンスは、データの量と質だけでなく、予測されたセグメンテーションの後処理で行われる決定など、アルゴリズムの設計にも依存する」とRainer Stiefelhagen教授は説明している。アルゴリズムを改善し、外部の影響に対してより堅牢にして、日常の臨床診療で使用できるようにするには、さらなる研究が必要である。近い将来、PETやCTからの医用画像データの解析を完全に自動化することを目指している。