슬롯 가입 머니 종양의 양성을 결정하기위한 인공 지능 진단 원조 시스템 개발전문가보다 더 정확한 슬롯 가입 머니 달성

2018 년 7 월 12 일

National University Corporation Tsukuba University
Kyocera Communication Systems Co., Ltd.

Fujimoto Manabu 교수와 National University Corporation의 Medical Sciences Department 및 Kyocera Communication Systems Inc.의 Fujisawa Yasuhiro 부교수 간의 공동 연구 그룹은 Tsukuba 대학이 소유 한 임상 사진을 사용하여 90% 이상이었습니다. 우리는 진단 정확도가 높은 슬롯 가입 머니 종양을위한 인공 지능 진단 원조 시스템을 개발했습니다.

일반적으로, AI 딥 러닝을 사용하여 이미지를 식별하려면 카테고리 당 최소 1,000 개의 이미지를 사용하는 학습이 필요하며,이 연구 그룹은 14 개의 슬롯 가입 머니를 설정하는 데 필요합니다. 종양. 그러나 연구 그룹은 약 6,000 개의 임상 사진을 사용하는 AI 학습조차도 절반 미만인 슬롯 가입 머니 종양이 양성인지 악성인지 여부를 결정할 수있는 비율 (식별 속도)을 갖는 시스템을 갖도록 구성 될 수 있다고 언급했습니다. . 그것은 보여졌다.

이번에 개발 된 진단 시스템을 평가하기 위해 AI 진단 원조 시스템을 동일한 이미지 세트를 진단하는 테스트를 사용하여 13 명의 인증 된 슬롯 가입 머니과 전문의를 비교했으며 슬롯 가입 머니과의 슬롯 가입 머니가 얻은 것으로 나타났습니다 종양 양성 종양은 85.3% ± 3.7%였으며, AI 진단 보조 시스템의 확인 속도는 92.4% ± 2.1% (P<0.0001, Welch의 T- 검정)에서 유의하게 더 높았다. 양성 악성 악성의 것보다 더 어려운 14 개의 상세한 진단의 정답 비율조차도 피부과 전문의의 경우 59.7%± 7.1%였으며, AI 진단 원조 시스템의 정답 비율은 74.5%± 4.6%였습니다 또한 상당히 우수했습니다 (P <0.0001, Welch의 T- 검정).

슬롯 가입 머니 종양을 사진을 사용하여 결정할 수 있다면 슬롯 가입 머니과 의사가 부족한 지역의 초기에 슬롯 가입 머니암을 감지 할 수 있으며 너무 늦기 전에 필요한 치료를받을 수 있습니다 . 앞으로 우리는 진단 정확도를 향상시킬뿐만 아니라 슬롯 가입 머니암 이외의 슬롯 가입 머니 질환을 진단하기 위해 추가 연구를 계속할 것입니다.

• ※
  이 연구 결과는 6 월 28 일 영국 Dermatology Journal에서 온라인으로 출판되었습니다.

슬롯 가입 머니 질환 진단에서 가장 중요한 것은 시각적 검사입니다. 그러나 예를 들어 악성 흑색 종으로 알려진 슬롯 가입 머니암은 늦게 발견되면 사망으로 이어질 수 있지만 소위 "두더지"와 매우 유사하게 보입니다.

반면에, 일반적인 임상 이미지는 사진을 찍을 때 다른 조건이 있기 때문에 Dermoscopes에 비해 이미지 품질을 균일화하기가 어렵다고 생각됩니다. 또한 흑색 종의 경우 일본의 사례는 미국보다 훨씬 작습니다 (연간 약 1,500 건 vs. 90,000 사례). 사용할 수 있습니다.

그러나,이 딥 러닝은 학습 시스템에 많은 이미지를 도입해야합니다 (예 : 10 가지 유형의 분류가있는 경우 분류 당 1,000 개 이상의 이미지는 드문 유형의 이미지입니다. 적합하지 않습니다. 질병에 걸리기 쉬운 슬롯 가입 머니 질환에 대한 진단 시스템을 구축합니다. 실제로, 2017 년 1 월, Stanford University의 한 그룹은 슬롯 가입 머니과 전문의와 동일한 정확도를 가진 AI 진단 원조 시스템을 개발했지만이 논문에는 Dermoscope를 사용하여 촬영 한 129,450 개의 이미지가 있습니다.

따라서이 연구 그룹은 이미지가 적은 순서로 높은 정확도를 달성 할 수있는 기술을 슬롯 가입 머니하는 것을 목표로했습니다.

Tsukuba University에서 축적 된 임상 사진으로, 우리는 주로 병리학 적 검사 결과를 수집하고 각 진단을 정리하고 결과를 확인하고 제외하지 않았습니다 진단과 다른 사진으로 14 가지 유형의 슬롯 가입 머니 종양에 대해 약 6,000 개의 데이터 세트가 생깁니다. 우리는이 데이터 세트에서 테스트하기 위해 1,200 장을 따로 설정했으며 나머지 4,800 시트를 딥 러닝 학습 데이터로 사용했습니다.^{참고 1)}5661_5849

결과적으로, 우리는 슬롯 가입 머니 악성 종양에 대해 96.5% 감도 및 89.5%의 높은 진단 정확도를 달성했습니다. 이 진단 정확도의 효과를 실제로 보여주기 위해, 우리는 동일한 이미지 세트를 테스트하여 AI 진단 원조 시스템을 13 명의 인증 된 슬롯 가입 머니과 전문의와 비교했으며, 슬롯 가입 머니과 전문의는 슬롯 가입 머니과 전문의에 의해 양성 악성을 식별 할 수 있음을 발견했습니다 % ± 3.7%, AI 진단 원조 시스템은 92.4% ± 2.1% (P<0.0001, Welch의 T- 검정, 기준 다이어그램)에서 양성 악성 악성 식별 속도가 상당히 높았다.

이번에 개발 된 슬롯 가입 머니 종양 AI 진단 원조 시스템의 목표는 충분한 성능 평가를 받고 몇 년 안에 실제 임상 환경에서 사용될 수있는 것입니다. 양성, 악성 슬롯 가입 머니 종양은 사진을 사용하여 결정될 수 있으면 슬롯 가입 머니과 의사가 부족한 지역에서도 슬롯 가입 머니암을 조기에 감지 할 수 있으며 MASU가 너무 늦기 전에 필요한 치료법이 가능합니다.

또한, 현재 시스템에는 매우 드문 슬롯 가입 머니 종양이 포함되어 있지 않으므로 해당 진단 이름의 수를 늘려서 향후 더 실용적인 것들을 개발해야합니다. 또한 슬롯 가입 머니 종양뿐만 아니라 다른 슬롯 가입 머니 질환도 진단하기 위해 시스템을 확장 할 것이며, 모든 유형의 슬롯 가입 머니 질환을 수용하기 위해 계속 업그레이드 할 것입니다.

이 연구에서 개발 된 AI 진단 원조 시스템의 비교와 일본 슬롯 가입 머니과 협회에 의해 인증 된 슬롯 가입 머니과 전문의에 의한 슬롯 가입 머니 종양의 양성 악성 식별률

• 참고 1)
  Googlenet
  신경망의 유형이며 2014 년 이미지 인식 경쟁에서 우승 한 모델입니다. 기존의 이미지 인식 기술은 인간이 이미지 기능을 정량화하기 위해 오랜 시간에 걸쳐 복잡한 디자인을 보유한 방법 이었지만 Alexnet은 신경망을 사용하여 챔피언십에서 우승함에 따라 빠르게 주목을 받았습니다. 이전 방법보다 큰 마진으로.

• 1）
  Ferris LK et al, 슬롯 가입 머니과 이미지를 사용한 멜라노 틱 병변의 컴퓨터 보조 분류, J Am Acad Dermatol, 2015
• 2）
  Esteva A et al, 깊은 신경망을 가진 슬롯 가입 머니암의 슬롯 가입 머니과 전문의 수준 분류, 자연, 2017

제목

딥 러닝 기반의 컴퓨터 보조 분류기는 슬롯 가입 머니 종양 진단에서 임상 이미지의 작은 데이터 세트로 개발 된 보드 인증 슬롯 가입 머니과 전문의

저자 이름

y. Otomo, Y. Ogata, Y. Nakamura, R. Fujita, Y. Ishitsuka, R. Watanabe, N. Okiyama, K. Ohara, M. Fujimoto

게시 된 잡지

British Journal of Dermatology (doi : 10.1111/bjd.16924)