米乐m6官方网站 全球首个成功开发人工智能模型，准确诊断难以诊断的常规间质性肺炎

这次，国立大学法人长崎大学（长崎县长崎市文京町1-14，校长河野茂；以下简称长崎大学）和国立先进产业技术研究所（东京都千代田区霞关1-3-1，校长石村一彦：AIST成功开发了一种用于病理诊断的高精度人工智能模型，可以结合医生的专业知识和人工智能的特征提取技术来解释诊断的依据。

此研究结果将于 2022 年 2 月 3 日（日本时间）发布自然学术期刊组“现代病理学发布

网址https://wwwnaturecom/modpathol/

利用人工智能的诊断应用于各个领域，但对于包括病理诊断在内的医学领域的应用，重要的是不仅要提高诊断性能，而且要提供导致诊断的判断依据。目前，在图像识别中，普遍采用人工智能技术中识别精度较高的一种称为深度卷积神经网络（DCNN）的算法。 DCNN 是一种经常被描述为“黑匣子”的技术，因为虽然它可以实现很高的预测性能，但很难理解它得出答案的过程。因此，全球范围内都在进行可解释的人工智能模型的研究和开发，但一般很难同时实现可解释性和识别准确性，而应用于医疗领域时，往往会导致诊断准确性的下降。

这次，来自长崎大学生物医学科学研究生院（研究项目代表：Junya Fukuoka）和AIST人工智能研究中心（研究项目代表：坂村英典）的研究小组开发了一种利用人工智能的高效特征提取技术。我们开发了一种新方法，通过结合专家（例如高度专业的医生）的知识，创建人工智能模型，该模型保持高诊断准确性，同时保持传统间质性肺炎诊断基础的透明度。在传统的DCNN中，特征提取方法（如何选择兴趣点）是基于训练数据（图像和正确答案）来学习的，但在这种方法中，医生根据自己的经验和专业知识使用所获得的特征提取方法来去除不影响诊断的兴趣点，或者将代表相同现象的特征整合在一起，即使它们看起来不同，从而使医学知识能够反映在人工智能的判断中。通过理清人工智能的判断与医学知识之间的关系，医生可以确认人工智能的判断是否恰当。该团队将这种方法称为 MIXTURE (huM一个I正循环 eX易于理解的人工智能U唱歌回复当前训练）并将其应用于病理诊断。因此，诊断困难且死亡率高普通间质性肺炎(*1)，我们开发了一种人工智能模型，可以提供高度准确的病理诊断。是人工智能技术的准确度指标之一AUROC（接收者工作特征曲线下面积）(*2)，经证实，与未纳入医生知识的相同可解释人工智能模型相比，MIXTURE 的性能提高了 027 点（约 42%）。

该项目是NEDO（新能源产业技术综合开发机构）“与人类共同进化的下一代人工智能技术开发项目”的一部分。

(※1) 普通间质性肺炎

间质性肺炎是一种肺部炎症性疾病，这是病变恶化快、死亡率高的一组。近年来，抗纤维化药物已被批准用于治疗表现出这种模式且病因不明的疾病（称为“特发性肺纤维化”）。另一方面，常用于治疗其他间质性肺炎的类固醇和免疫抑制剂已被证明会加速常规间质性肺炎病灶的恶化，且治疗策略完全不同。因此，准确的病理诊断对于选择治疗策略非常重要，但常规间质性肺炎的病理诊断需要较高的专业水平，诊断准确性成为问题。[返回来源]

(※2) 傲罗

接受者工作特征曲线下的面积。人工智能技术的准确性指标之一。疏忽次数越少（灵敏度越高）、误报越少（误报率越低），该值就越大（最大值为1）。[返回来源]

标题
人类专业知识与深度学习的结合 - 开发可解释的模型来预测间质性肺疾病患者的病理诊断和生存

• Wataru Kamigami（长崎大学生物医学科学研究生院/龟田综合医院临床病理科）
• Andrei Bychkov（龟田综合医院临床病理科）
• 小笹睦美（长崎大学生物医学科学研究生院）
• Kazuki Uehara（米乐m6官方网站人工智能研究中心）
• 片冈健介（公立东成医院）
• Tsuyoshi Kamikou（关西罗赛医院）
• Yasuhiro Kondo（公立东成医院）
• Hidenori Banashi（产业技术综合研究所人工智能研究中心）
• 福冈淳也（长崎大学生物医学科学研究生院/龟田综合医院临床病理科）