【日本初*】「ディープラーニングを用いた医用3D画像向けの異常検出方法」の特許出願

弊社は2025年1月、ディープラーニングを用いた医用3D画像向けの異常検出方法を特許出願いたしました。これはCT画像等の医用3D画像における異常の検出を目的として、少ない枚数の正常画像を教師データとして学習することによって異常を検出するモデルを構築する方法で、3D画像への適用は日本初*となります。

弊社はこの技術をはじめとするAIによって死後画像解析を行うプロジェクトを鹿児島大学と共同で行っており、医師の数が少ない日本の法医学分野への貢献が期待されています。また、この技術を応用することによって、法医学分野のみならず幅広い医療分野への貢献を目指しています。

【開発の背景】

患者の外科的手術を行う際、または死後に死因究明のために解剖を行う際には、事前にCTやMRIの撮影を行い、対象となる箇所を特定する必要があります。この作業は豊富な経験を有する放射線科医や法医解剖医が時間をかけて行う必要がありますが、経験値の高い医師の数は限られており、依頼に対応しきれない状況が続いています。そこで、この作業にかかる時間を短縮するため、異常のある箇所を自動的に検出するシステムの構築が望まれていました。

【技術の概要】

通常、AI開発におけるディープラーニングには学習のための大量の教師データが必要となります。しかし医療業界においては、例えば頭蓋骨内出血を検出するAIを開発する際、すべての種類の出血の教師データを大量に収集することは困難であり、さらに希少症例は教師データが存在していないという課題がありました。

そこで、製造業等で使用されている技術を応用し、病変のない健常者の画像のみを教師データとして用いて正常な状態を学習させることによって、正常画像との差異から異常箇所を検出するモデルを構築する方法を開発いたしました。今回開発した方法は日本で初めて*医用3D画像を対象とし、少量の教師データから異常を検出するモデルを構築することができるものです。弊社は当該技術について、2025年1月に特許を出願いたしました。

2D画像では、例えば骨折を検出する際、亀裂の方向が画像面と平行に近くなるほど映りにくくなるため、連続性や分岐のような構造の把握が難しいという課題がありました。3D画像をそのまま学習させることにより、立体的な形状が把握できるようになりました。

【今後の展開】

弊社は、この技術をはじめとして、AIによって死後CTの画像解析を行い、解剖を支援するプロジェクトを鹿児島大学と共同で行っています。本プロジェクトにおいては頭蓋内出血と頭蓋骨骨折を検出するAIシステムの開発に取り組んでおり、法医学医師の数が少なく解剖実施率が低いという問題を抱える日本において、法医学医師の負担軽減に役立てられることが期待されています。

また、この技術を活用することによって、救急医療における骨折や出血箇所の検出や、がんをはじめとする病変の検出など、様々な医療分野への貢献を目指しています。

*2024年11月自社調べ。日本国内における「病変検出推定支援システム」として。