ブログ

Jun 07, 2024

内視鏡画像解析におけるAIの立ち位置は？ ギャップと今後の方向性を読み解く

npj Digital Medicine volume 5、記事番号: 184 (2022) この記事を引用する 5830 アクセス数 3 引用数 15 Altmetric メトリクスの詳細 最近の深層学習の開発により、データ駆動型が可能になりました

npj デジタルメディスン 第 5 巻、記事番号: 184 (2022) この記事を引用

5830 アクセス

3 引用

15 オルトメトリック

メトリクスの詳細

深層学習の最近の発展により、人間レベル以上のパフォーマンスを達成できるデータ駆動型アルゴリズムが可能になりました。 医用画像解析手法の開発と展開には、人口の多様性や機器メーカーの違いによるデータの異質性など、いくつかの課題があります。 さらに、信頼性の高いメソッド開発プロセスには、専門家からのさらなる意見が必要です。 臨床画像データの指数関数的な増加により、ディープラーニングの隆盛が可能になりましたが、データの不均一性、マルチモダリティ、稀な疾患や目立たない疾患の症例については依然として調査する必要があります。 内視鏡検査はオペレーターに大きく依存しており、一部の疾患では厳しい臨床転帰を伴いますが、信頼性が高く正確な自動システムガイダンスにより、患者ケアを向上させることができます。 設計された手法のほとんどは、目に見えないターゲット データ、患者集団の変動性、さまざまな疾患の出現に対してより一般化できる必要があります。 この論文では、人工知能 (AI) による内視鏡画像解析に関する最近の研究をレビューし、この分野における現在の比類のないニーズを強調しています。 最後に、患者の転帰を改善するための臨床関連の複雑な AI ソリューションの将来の方向性について概説します。

内視鏡検査は、多くの中空臓器に対するゴールドスタンダードの処置です。 これは主に疾患の監視、炎症の監視、癌の早期発見、腫瘍の特徴付けと切除処置、低侵襲治療介入、治療反応の監視に使用されます。 内視鏡画像解析は近年、より注目を集め始めており、コンピュータ支援検出（CADe）1、2、3、4、5、コンピュータ支援診断（CADx）6 において内視鏡画像ベースの手法が多数公開されています。 、7、8、9、10、11、およびコンピューター支援手術 (CAS)12、13、14、15、16。 他の放射線データ (X 線、CT、MRI など) とは異なり、内視鏡画像化とその分析は高度に専門化され、やりがいのあるテーマです。 内視鏡画像処理には、オペレータへの大きな依存性（経験や訓練など）、スコープ関連の問題（画像品質のばらつきなど）、シーンのダイナミクスを強調する要素（深刻なアーティファクトを伴うフレームの差し迫った破損、大きな臓器の動きなど）を含む多要素の依存関係があります。表面ドリフト17)。 消化管内視鏡介入の品質基準は、いくつかの注目すべきガイドライン研究で議論されています 18,19。 最近の研究の中には、内視鏡検査の品質を評価するためのメトリクスを自動化する深層学習領域を探求したものもあります。 これらは、盲点を定量化する際に特に重要です 20,21。 SLAM ベースの 3D 再構成は結腸マップの生成に使用されました 18 が、上部消化管 (GI) がんの前駆体であるバレット食道の長さと面積は、深層学習ベースの深さ推定技術 22 を使用して定量化されました。 同様に、低侵襲外科手術 (腹腔鏡検査など) で最も重要な作業は、下線を引いた場面を理解し、解釈することです。

中空臓器の 3D 再構成は不可欠ですが、高度に非線形な臓器変形、シーンの乱雑さ (例: 体液の流出、血液)、閉塞 (例: 肝臓手術の周囲の脂肪) などのいくつかの理由により、達成が困難です。 したがって、ほとんどの研究は、分類、検出、およびセグメンテーションの方法を使用したローカルシーンの評価に焦点を当てています。 消化管内視鏡検査では、病変の検出と特徴付け、およびその描写が主な焦点となります1、2、3、4、5、6、7、8、9、10、11。 同様に、尿管鏡検査ではターゲットを絞った結石のセグメント化とその特徴付けが主な焦点であり 23、膀胱鏡検査では腫瘍の検出 24 が研究されています。 低侵襲腹腔鏡介入では、手術ツールの分類 12、検出とセグメンテーション 13、位相認識 12,14、関連するランドマークのセグメンテーション 15、および術中の 2D 腹腔鏡への術前 3D ボリュームの重ね合わせ 16 が焦点となっています。 さまざまな内視鏡介入における主要な目的とさまざまな内視鏡画像解析タスクの図解的な概要を図 1 に示します。