SIP3「統合型ヘルスケアシステムの構築」
大規模医療文書・画像の高精度解析基盤技術の開発
テーマ E-2では、高精度の自然言語処理技術と画像解析技術を確立することにより、
臨床における医師等の負担軽減と診療の質向上に繋げることを目指した研究開発を行います。
※戦略的イノベーション創造プログラム(SIP)は、内閣府に設置された総合科学技術・イノベーション会議(CSTI) が司令塔機能を発揮して、
府省の枠や旧来の分野を超えたマネジメントにより、科学技術イノベーション実現のために創設した国家プロジェクトです。
戦略的イノベーション創造プログラム(SIP)第3期課題「統合型ヘルスケアシステムの構築」
研究開発テーマ: E-2 大規模医療文書・画像の高精度解析基盤技術の開発
題目: 「大規模医療文書・画像の高精度解析基盤技術の開発」
研究開発責任者:京都大学 黒橋 禎夫 特定教授
●研究推進項目
(サブテーマ1)大規模医療文書の高精度解析基盤技術の開発
1a. 医療言語モデル構築技術の開発
1b. 大規模医療文書構造化技術の開発
1c. 大規模医療文書要約技術の開発
(サブテーマ2)大規模医療文書の高精度解析基盤技術の開発
2a. 医療画像に基づく経時変化解析のための学習データセット整備技術
2b. 病変部の自動認識・追跡・計測
2c. 医療画像・所見文融合モデル研究
(サブテーマ3)LLM/LMM を用いた包括的な画像診断のレポーティング支援システムの構築
(サブテーマ4)医療 LLM/LMM 利活用を促進する医療データ基盤開発と運用
●研究開発体制
(サブテーマ1)
京都大学 黒橋 禎夫 特定教授
国立情報学研究所 相澤 彰子 教授
東京科学大学 荒瀬 由紀 教授
(サブテーマ2)
国立情報学研究所 合田 憲人 教授
名古屋大学 森 健策 教授
九州大学 備瀬 竜馬 教授
東京大学 原田 達也 教授
(サブテーマ3)
神戸大学 村上 卓道 教授
(サブテーマ4)
情報・システム研究機構 中野 美由紀 教授
医療特化型 LLM のオープンソースライセンス・モデルである SIP-jmed-llm シリーズの開発、およびライセンス類型に
応じた展開として、チューニング済みモデルと日本語汎用ウェブコーパスの公開を行っています。
詳しくはこちらをご参照ください。
● 論文等(原著論文、学位論文、プロシーディングス、総説、解説、速報など)
京都大学
1. Rapidly Developing High-quality Instruction Data and Evaluation Benchmark for Large Language Models with Minimal Human Effort: A Case Study on Japanese. Yikun Sun, Zhen Wan, Nobuhiro Ueda, Sakiko Yahata, Fei Cheng, Chenhui Chu, Sadao Kurohashi. In Proceedings of the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING 2024), pp1073–1085, Torino, Italia.
国立情報学研究所
1. Junfeng Jiang, Fei Cheng, and Akiko Aizawa. 2024. Improving Referring Ability for Biomedical Language Models. In Findings of the Association for Computational Linguistics: EMNLP 2024, pages 6444–6457.
2. Junfeng Jiang, Jiahao Huang, and Akiko Aizawa. 2025. JMedBench: A Benchmark for Evaluating Japanese Biomedical Large Language Models. In Proceedings of the 31st International Conference on Computational Linguistics, pages 5918–5935.
3. Mohit Gupta, Akiko Aizawa, and Rajiv Ratn Shah. 2025. Med-CoDE: Medical Critique based Disagreement Evaluation Framework. In Proceedings of the 2025 Conference of the Nations of the Americas Chapter of the Association for Computational Linguistics: Human Language Technologies (Volume 4: Student Research Workshop), pages 112–119, Albuquerque, USA. Association for Computational Linguistics.
東京科学大学
1. T. Zetsu, Y. Arase, and T. Kajiwara. Edit-Constrained Decoding for Sentence Simplification, in Proc. of EMNLP 2024 Findings, pp.7161–7173 (Nov. 2024).
2. K. Horiguchi, T. Kajiwara, Y. Arase, and T. Ninomiya. Evaluation Dataset for Japanese Medical Text Simplification. In Proc. of Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (Student Research Workshop), pp. 219–225 (June 2024).
九州大学
1. Shumpei Takezaki, and Seiichi Uchida, An Ordinal Diffusion Model for Generating Medical Images with Different Severity Levels, IEEE International Symposium on Biomedical Imaging (ISBI), 2024.
2. Yuki Shigeyasu, Shota Harada, Akihiko Yoshizawa, Kazuhiro Terada, and Ryoma Bise, Diameter-based pseudo labeling for pathological image segmentation, International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), 2024.
3. Tatsuhiro Eguchi, Shumpei Takezaki, Mihoko Shimano, Takayuki Yagi, and Ryoma Bise, Guidance-base Diffusion Models for Improving Photoacoustic Image Quality, The British Machine Vision Conference (BMVC), 2024.
4. Kaito Shiku, Kazuya Nishimura, Daiki Suehiro, Kiyohito Tanaka, and Ryoma Bise, Ordinal Multiple-instance Learning for Ulcerative Colitis Severity Estimation with Selective Aggregated Transformer, IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 2025.
5. Takumi Okuo, Shinnosuke Matsuo, Shota Harada, Kiyohito Tanaka, and Ryoma Bise, Weakly-Supervised Domain Adaptation with Proportion-Constrained Pseudo-Labeling, International Joint Conference on Neural Networks (IJCNN), 2025
● 学会発表等
京都大学
1. What Language Do Japanese-specialized Large Language Models Think in? 鐘承志 (京大), 程飛 (京大), 劉倩瑩 (NII), 江俊锋 (東大), 万振 (京大), 褚晨翚(京大), 村脇有吾 (京大), 黒橋禎夫 (京大/NII). 言語処理学会第31回年次大会 (NLP2025).
2. Constructing Open-source Large Language Model Evaluator for Japanese. 孫一坤 (京大), 八幡早紀子 (京大), 程飛 (京大), 村脇有吾 (京大), 褚晨翚 (京大), 黒橋禎夫 (京大/NII). 言語処理学会第31回年次大会 (NLP2025).
東京科学大学
1. 羅冠霆, 荒瀬由紀. Enhancing Biomedical Summarization with External Knowledge Integration via Retrieval-Augmented Generation,
第19回言語処理若手シンポジウム (YANS) (2024年9月).
名古屋大学
1. RLHF-based Q&A Pairs generation from Finding Texts of Abdominal CT images for Fine-Tuning of Medical Large Multimodal Models, Chuanyu Qi, Cheng Wang, Masahiro Oda, Kensaku Mori, IFMIA2025, P-100, IF250083, かがわ国際会議場, (2025/3/21) 国内, 口頭
2. Uncertainty-aware semi-supervised learning for enhanced multi-organ segmentation in CT volumes, Guotai Dong, Masahiro Oda, Yuichiro Hayashi, Kensaku Mori, Kazunari Misawa, SPIE Medical Imaging 2025, Paper 13408-28, Town and County Resort, San Diego, USA, 2025/2/16-2025/2/20,(2025/02/19) 国外, 口頭.
東京大学
1. Masked Autoencoderの自己教師あり学習に基づく頭部CT画像からのくも膜下出血の検知,大野未来矢,黒瀬優介,渡谷岳行,原田達也,第43回日本医用画像工学会大会,一橋講堂(2024/8/5-7),国内,口頭.
2. Masked Autoencoderと注意機構を用いた12誘導心電図の異常検知,今村健太,黒瀬優介,原田達也,第43回日本医用画像工学会大会,一橋講堂(2024/8/5-7),国内,口頭.
3. Physiology-aware PolySnake For Coronary Vessel Segmentation, Yizhe Ruan, Lin Gu, Yusuke Kurose, Junichi Iho, Youji Tokunaga, Makoto Horie, Yusuaku Hayashi, Keisuke Nishizawa, Yasushi Koyama, Tatsuya Harada, IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), Tucson, USA, 2025/2/28-3/4, 国際,ポスター.
(開催予定)
◆ SIP第3期「統合型ヘルスケアシステムの構築」2025年度公開シンポジウム
開催予定日時:2026年3月4日(水) 13:00~19:00
(開催終了)
SIP第3期「統合型ヘルスケアシステムの構築」2024年度公開シンポジウム 2025年2月28日
SIP第3期「統合型ヘルスケアシステムの構築における生成AIの活用」公開シンポジウム 2025年4月30日
●「統合型ヘルスケアシステムの構築」研究課題紹介 / 国立健康危機管理研究機構(JIHS)
●「戦略及び研究開発計画」が内閣府のウェブサイトに掲載されました
戦略的イノベーション創造プログラム(SIP)第3期(令和5年~)課題一覧
「統合型ヘルスケアシステムの構築 戦略及び計画」
コンタクト・お問い合わせ先
(問い合わせ先)
・E-2 事務局
大学共同利用機関法人 情報・システム研究機構
国立情報学研究所(NII)
SIP 統合ヘルスケア E-2 事務局(RCMB内)
rc4mb[at]nii.ac.jp