JUNTENDO News&Events ニュース&イベント
2022.11.01 (TUE)
- 順天堂大学について
COVID-19肺炎CT画像によるサーベイランスシステムを開発
パンデミックに即応して研究開発が可能なICTプラットフォーム
順天堂大学大学院医学研究科放射線診断学 青木茂樹教授、明石敏昭准教授らは、情報・システム研究機構 国立情報学研究所(NII(エヌアイアイ)、所長:喜連川 優、東京都千代田区)、東海国立大学機構 名古屋大学(総長:杉山 直、愛知県名古屋市)と共同で、国立研究開発法人情報通信研究機構(NICT(エヌアイシーティー))の委託研究の一環として、COVID-19肺炎CT画像サーベイランスシステムを開発しました。本システムはCOVID-19のCT画像所見を指標としているため、発症の有無に関わらずウイルス陽性者を計測するPCR・抗原検査とは違って肺炎患者の実態をリアルタイムで追跡することが可能です。
研究開発の背景
SARS-CoV-2 (新型コロナウイルス) 感染によって引き起こされる感染症COVID-19のパンデミックは、医療サービスを供給するリソースの逼迫を招きました。これはCOVID-19患者への対応だけでなく、それ以外の受診者へも深刻な医療サービス水準の低下を引き起こしました。このような世界的な緊急事態では、平常時と同程度の医療サービス水準の維持に加えて、緊急事態に対応した適切な医療サービスの迅速な供給が求められます。医療サービスを供給する第一のリソースである医師や看護師、技師などの人的資源を多数、かつ即座に確保することはとても困難です。
そこで、ICTを活用した医療支援技術を速やかに開発して医療現場に迅速に投入できれば、限られた人的資源での対応状況の改善が見込めるようになります。たとえば、日本全国の医療機関で撮影されているX線CT画像からCOVID-19肺炎所見を自動判定し、肺炎患者の日々の増減を自動で集計するシステムがあれば、今後必要となる人的資源の予測と確保ができます。このようなシステムを緊急時に迅速に開発するためには、画像を含めた医療情報を全国の医療機関から一元的に蓄積し活用するICTプラットフォームを常時稼働したうえで、平常時からICTによる医療支援技術を研究開発していなければ実現できません。
NIIでは、このようなAIによる医療支援技術をCOVID-19パンデミック以前の平常時から研究開発しています。緊急事態に必要な医療支援を速やかに臨床現場へ提供できるように、ICTを活用した医療情報の蓄積と機械学習によるデータ解析の機能を統合したプラットフォームであるクラウド基盤を2017年に整備し、今日まで継続して運用しています。
このプラットフォーム上で、NIIが順天堂大学と名古屋大学と共同で整備した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をすでに開発しています(2020年9月28日プレスリリース(*1))。
順天堂大学では、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)に網羅的に蓄積したCT画像のうち、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(*2)に従ってCT画像を評価しました。現在までに、画像および診断情報(アノテーション)からなるCOVID-19肺炎症例のデータ計1553例を蓄積しています。これらはSINET(*3)を通じてNIIのクラウド基盤に収集され、NIIでは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し、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ました。
名古屋大学では、この学習データセットを用いてCT画像からのRSNA典型度自動識別を行うCOVID-19診断補助AIを開発しました。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でした。今回の研究開発では、判別AIに3D Convolutional Neural Network (3D CNN) を用いて自動判別を新たに実現しました。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し、約83%の分類精度を実現しました。
そこで、ICTを活用した医療支援技術を速やかに開発して医療現場に迅速に投入できれば、限られた人的資源での対応状況の改善が見込めるようになります。たとえば、日本全国の医療機関で撮影されているX線CT画像からCOVID-19肺炎所見を自動判定し、肺炎患者の日々の増減を自動で集計するシステムがあれば、今後必要となる人的資源の予測と確保ができます。このようなシステムを緊急時に迅速に開発するためには、画像を含めた医療情報を全国の医療機関から一元的に蓄積し活用するICTプラットフォームを常時稼働したうえで、平常時からICTによる医療支援技術を研究開発していなければ実現できません。
NIIでは、このようなAIによる医療支援技術をCOVID-19パンデミック以前の平常時から研究開発しています。緊急事態に必要な医療支援を速やかに臨床現場へ提供できるように、ICTを活用した医療情報の蓄積と機械学習によるデータ解析の機能を統合したプラットフォームであるクラウド基盤を2017年に整備し、今日まで継続して運用しています。
このプラットフォーム上で、NIIが順天堂大学と名古屋大学と共同で整備した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をすでに開発しています(2020年9月28日プレスリリース(*1))。
順天堂大学では、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)に網羅的に蓄積したCT画像のうち、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(*2)に従ってCT画像を評価しました。現在までに、画像および診断情報(アノテーション)からなるCOVID-19肺炎症例のデータ計1553例を蓄積しています。これらはSINET(*3)を通じてNIIのクラウド基盤に収集され、NIIでは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し、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ました。
名古屋大学では、この学習データセットを用いてCT画像からのRSNA典型度自動識別を行うCOVID-19診断補助AIを開発しました。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でした。今回の研究開発では、判別AIに3D Convolutional Neural Network (3D CNN) を用いて自動判別を新たに実現しました。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し、約83%の分類精度を実現しました。
【研究開発の概要】
今回の研究開発では、NIIのクラウド基盤の利点を活用し、日々クラウド基盤に送られてくる膨大な量のCT画像から肺野のみを選別してCOVID-19肺炎の典型度を判定、集計するサーベイランスシステムを構築しました。
<図1> COVID-19肺炎CT画像によるサーベイランスシステムの構築(*4)
COVID-19診断補助AIの実証実験用ソフトウェアを開発することで、クラウド基盤のCT画像に対して継続的にAIの自動判別結果を得ることを可能としました。これはクラウド基盤とCOVID-19診断補助AIを連携し、医療機関からクラウド基盤へ格納したCT画像に対して自動的にAIの各処理を適用し判別結果を得る仕組みです。これにより、過去から現在までの多数のCT画像から自動的に感染例をカウントすることでCOVID-19の感染拡大状況の統計的データを取得可能としました。これは、画像ベースで感染動態の判別や推定を可能とするシステムです。
今回のサーベイランスシステムを継続して運用することにより、CT画像上でウイルス性肺炎を疑わせる所見を認めるCOVID-19感染者の動態を予測することができます。発症の有無に関わらずウイルス陽性者を計測するPCR・抗原検査では、有病者数の算定は過去の経験に基づく発症率に依存します。発症率はウイルスの株や感染者の状態によって変化するため、有病者の実態をリアルタイムで追跡することは困難です。本サーベイランスではCTでの画像所見を指標にしているため、発症率に関わらず肺炎患者の実態を追跡しています。このことは、医療サービスの需要を予め見通すことに繋がり、医療リソースの逼迫を回避することに役立つでしょう。
今回のサーベイランスシステムを継続して運用することにより、CT画像上でウイルス性肺炎を疑わせる所見を認めるCOVID-19感染者の動態を予測することができます。発症の有無に関わらずウイルス陽性者を計測するPCR・抗原検査では、有病者数の算定は過去の経験に基づく発症率に依存します。発症率はウイルスの株や感染者の状態によって変化するため、有病者の実態をリアルタイムで追跡することは困難です。本サーベイランスではCTでの画像所見を指標にしているため、発症率に関わらず肺炎患者の実態を追跡しています。このことは、医療サービスの需要を予め見通すことに繋がり、医療リソースの逼迫を回避することに役立つでしょう。
今後の方向性
COVID-19診断補助AIの精度向上を図るためのアルゴリズム研究を進め、サーベイランスシステムの信頼性を上げていきます。また、網羅的データを毎日受け入れているクラウド環境は「育つデータベース(evergrowing database)」という特質があるため、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予定です。
研究成果の外部発表
1. Masahiro Oda, Yuichiro Hayashi, Yoshito Otake, Masahiro Hashimoto, Toshiaki Akashi, Kensaku Mori. COVID-19 lung infection and normal region segmentation from CT volumes using FCN with local and global spatial feature encoder. Computer Assisted Radiology and Surgery (CARS 2021), International Journal of Computer Assisted Radiology and Surgery, Vol.16, Sup.1, pp.S19-20, 2021/6/21
2. Masahiro Oda, Tong Zheng, Yuichiro Hayashi, Yoshito Otake, Masahiro Hashimoto, Toshiaki Akashi, Shigeki Aoki, Kensaku Mori. COVID-19 infection segmentation from chest CT images based on scale uncertainty. CLIP 2021, 10th MICCAI CLIP Workshop, Clinical Image-Based Procedures, Distributed and Collaborative Learning, Artificial Intelligence for Combating COVID-19 and Secure and Privacy-Preserving Machine Learning, LNCS 12969, pp.88-97, 2021/9/27
3. Masahiro Oda, Yuichiro Hayashi, Zheng Tong, Toshiaki Akashi, Shigeki Aoki, Kensaku Mori, Masahiro Hashimoto, Hiroshi Natori. Mechanism of AIs in COVID-19 CAD and techniques to improve AI performance. RSNA 2021, Chicago/McCormick Place, CHEE-123-HC, 2021/11/28
4. Masahiro Oda, Tong Zheng, Yuichiro Hayashi, Yoshito Otake, Masahiro Hashimoto, Toshiaki Akashi, Shigeki Aoki, Kensaku Mori. Automated classification method of COVID-19 cases from chest CT volumes using 2D and 3D hybrid CNN for anisotropic volumes. SPIE Medical Imaging 2022 On-Demand, 2022/3/21
2. Masahiro Oda, Tong Zheng, Yuichiro Hayashi, Yoshito Otake, Masahiro Hashimoto, Toshiaki Akashi, Shigeki Aoki, Kensaku Mori. COVID-19 infection segmentation from chest CT images based on scale uncertainty. CLIP 2021, 10th MICCAI CLIP Workshop, Clinical Image-Based Procedures, Distributed and Collaborative Learning, Artificial Intelligence for Combating COVID-19 and Secure and Privacy-Preserving Machine Learning, LNCS 12969, pp.88-97, 2021/9/27
3. Masahiro Oda, Yuichiro Hayashi, Zheng Tong, Toshiaki Akashi, Shigeki Aoki, Kensaku Mori, Masahiro Hashimoto, Hiroshi Natori. Mechanism of AIs in COVID-19 CAD and techniques to improve AI performance. RSNA 2021, Chicago/McCormick Place, CHEE-123-HC, 2021/11/28
4. Masahiro Oda, Tong Zheng, Yuichiro Hayashi, Yoshito Otake, Masahiro Hashimoto, Toshiaki Akashi, Shigeki Aoki, Kensaku Mori. Automated classification method of COVID-19 cases from chest CT volumes using 2D and 3D hybrid CNN for anisotropic volumes. SPIE Medical Imaging 2022 On-Demand, 2022/3/21
研究プロジェクトについて
本研究開発成果は、NICT委託研究「ウイルス等感染症対策に資する情報通信技術の研究開発」の研究課題「課題A ウイルス等感染症により発生するパンデミック対策に資するICT (採択番号 222A03)」によるものです。
(*1)2020年9月28日プレスリリース: 新型コロナウイルス肺炎CT画像をAI解析するためのプラットフォームを開発 〜全国の病院から集めたCT画像をAIで選別し高品質なAI研究用データセットとして整備〜 https://www.nii.ac.jp/news/release/2020/0928.html
(*2) Radiological Society of North America Chest CT Classification System for Reporting COVID-19 Pneumonia: Interobserver Variability and Correlation with Reverse-Transcription Polymerase Chain Reaction. Tom M. H. de Jaegere, Jasenko Krdzalic, Bram A. C. M. Fasen, Robert M. Kwee, COVID-19 CT Investigators South-East Netherlands (CISEN) study group. Radiology: Cardiothoracic Imaging, 2(3)2020 https://doi.org/10.1148/ryct.2020200213
(*3) SINET:NII が構築・運⽤する学術研究専用の情報通信ネットワークで、⽇本全国の⼤学や研究機関などを超高速回線で接続し研究・教育活動を支えている。今までは全国の全都道府県を100Gbps回線で相互に結んでいたが、2022年4月1日より全国400Gbps回線のSINET6にアップグレードした。現在990以上の⼤学や研究機関などが加⼊しており、先進的なネットワーク利用環境を研究者や学生に提供している。
(*4)COVID-19肺炎CT画像によるサーベイランスシステムの構築: NIIのクラウド基盤に整備したCOVID-19肺炎CT画像解析プラットフォームを活用して得た診断補助AIを基に実証実験用ソフトウェアを作成し、AIコンテナで定常的に稼働する仕組み。 クラウド基盤にJ-MIDから日々送られてくるCT画像を自動処理し、典型度を判定して集計するサーベイランスシステムとなっている。AIコンテナの中身を変更すれば、臨床現場の要請に応じた新たな自動処理システムを動かすことも可能で、異なる種類の複数のAIコンテナを同時稼働もできる。
(*2) Radiological Society of North America Chest CT Classification System for Reporting COVID-19 Pneumonia: Interobserver Variability and Correlation with Reverse-Transcription Polymerase Chain Reaction. Tom M. H. de Jaegere, Jasenko Krdzalic, Bram A. C. M. Fasen, Robert M. Kwee, COVID-19 CT Investigators South-East Netherlands (CISEN) study group. Radiology: Cardiothoracic Imaging, 2(3)2020 https://doi.org/10.1148/ryct.2020200213
(*3) SINET:NII が構築・運⽤する学術研究専用の情報通信ネットワークで、⽇本全国の⼤学や研究機関などを超高速回線で接続し研究・教育活動を支えている。今までは全国の全都道府県を100Gbps回線で相互に結んでいたが、2022年4月1日より全国400Gbps回線のSINET6にアップグレードした。現在990以上の⼤学や研究機関などが加⼊しており、先進的なネットワーク利用環境を研究者や学生に提供している。
(*4)COVID-19肺炎CT画像によるサーベイランスシステムの構築: NIIのクラウド基盤に整備したCOVID-19肺炎CT画像解析プラットフォームを活用して得た診断補助AIを基に実証実験用ソフトウェアを作成し、AIコンテナで定常的に稼働する仕組み。 クラウド基盤にJ-MIDから日々送られてくるCT画像を自動処理し、典型度を判定して集計するサーベイランスシステムとなっている。AIコンテナの中身を変更すれば、臨床現場の要請に応じた新たな自動処理システムを動かすことも可能で、異なる種類の複数のAIコンテナを同時稼働もできる。