雑誌文献を検索します。書籍を検索する際には「書籍検索」を選択してください。

BRAIN and NERVE Volume 74, Issue 8 （August 2022）

BRAIN and NERVE 74巻8号（2022年8月発行）

Japanese English

総説

「人工知能（AI）による筋病理判読アルゴリズム」の開発 Development of Deep Convolutional Neural Network-Based Algorithm for Muscle Biopsy Diagnosis 大久保真理子 ¹ , 壁谷佳典 ² , 西野一三 ¹ Mariko Okubo ¹ , Yoshinori Kabeya ² , Ichizo Nishino ¹ ¹国立精神・神経医療研究センター神経研究所疾病研究第一部 ²日本IBM ¹Department of Neuromuscular Research, National Institute of Neuroscience, National Center of Neurology and Psychiatry ²IBM Japan Ltd キーワード：筋病理 , 筋炎 , 遺伝性筋疾患 , AI , 深層学習 , muscle pathology , myositis , hereditary muscle disease , artificial intelligence , deep learning Keyword: 筋病理 , 筋炎 , 遺伝性筋疾患 , AI , 深層学習 , muscle pathology , myositis , hereditary muscle disease , artificial intelligence , deep learning pp.1019-1024

発行日 2022年8月1日 Published Date 2022/8/1

DOI https://doi.org/10.11477/mf.1416202172

PDF(1162KB)

有料閲覧

閲覧方法のご案内

この論文を閲覧するためにはログインが必要になります。

パスワードを忘れた場合新しくユーザー登録する施設共通IDをご利用の方はこちらから

PPV購入案内

1,320円 (1,200円+税10%) こちらは、1019ページから1024ページの文献です。

PPV（ペイ・パー・ビュー）とは、論文（記事）単位で購入・閲覧ができるサービスです。
購入には医書.jp本会員登録が必要です。

新規会員登録はこちらから

会員登録完了後に改めて上記「購入サイトへ」を選択してください。
または「購入サイトへ」選択後に「購入ログイン」、「新規会員登録」の順に進んでください。

会員登録について詳しくは

こちら

をご確認ください。

Abstract 文献概要
1ページ目 Look Inside
参考文献 Reference

筋疾患の診断には生検筋に対する筋病理診断が重要であり，特に筋炎は治療法が確立されていることから，正確な診断が求められている。今回われわれは深層学習を用い，筋病理画像から筋炎であるか否かを判別するモデルの構築を試みた。1,400検体のヘマトキシリン・エオジン染色標本の顕微鏡画像を用い，AIを用いたモデルの訓練と評価を行った。その結果，われわれの筋炎判別モデルは専門医に匹敵する判別精度を有することが明らかとなった。

Abstract

To diagnose muscle disease, histopathologic evaluation of muscle biopsy is essential. In addition, since myositis has a well-established treatment, an accurate diagnosis is required. However, distinguishing myositis from other muscle diseases is challenging for pathologists. Thus, artificial intelligence is expected to improve medical productivity. Therefore, we developed an algorithm based on deep convolutional neural networks to make the algorithm for muscle biopsy diagnosis. We used 1,400 hematoxylin-and-eosin-stained pathology slides for training and testing. Our trained algorithm achieved better sensitivity and specificity than the diagnoses made by physicians.