リンパ浮腫画像診断に基づいた新・複合的理学療法－AI技術によるキャズム克服－
| Project/Area Number |
20H04052
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 59010:Rehabilitation science-related
|
|---|
| Research Institution | Okayama University |
|---|
Principal Investigator |
品岡 玲 岡山大学, 医歯薬学域, 教授 (90724500)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
中原 龍一 岡山大学, 大学病院, 助教 (30509477)
大塚 愛二 岡山大学, 医歯薬学総合研究科, 教授 (50168986)
木股 敬裕 岡山大学, 医歯薬学域, 教授 (50392345)
山田 潔 岡山大学, 医歯薬学域, 准教授 (10319965)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥18,070,000 (Direct Cost: ¥13,900,000、Indirect Cost: ¥4,170,000)
Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2021: ¥6,630,000 (Direct Cost: ¥5,100,000、Indirect Cost: ¥1,530,000)
Fiscal Year 2020: ¥10,530,000 (Direct Cost: ¥8,100,000、Indirect Cost: ¥2,430,000)
|
|---|
| Keywords | lymphedema / Artificial Intelligence / リンパ浮腫 / リンパ管造影 / 複合的理学療法 / 解剖 / リンパ解剖 / 人工知能 |
|---|
| Outline of Research at the Start |
リンパ浮腫は、癌サバイバーが増加とともに患者数が急速に増加しているが、一方で解剖学的根拠のある画像診断法とそれに基づいた治療指針は確立されていない。しかし申請者は遺体研究に基づいたリンパ画像診断技術、さらに新・複合的理学療法治療体系を構築した。
今回、撮像機器の開発により人工知能(AI)学習用データを大量に収拾し、AI画像診断技術システムを開発、さらには画像診断学的根拠に基づいた新・複合的理学療法を普及させる。
|
| Outline of Annual Research Achievements |
リンパ浮腫になると、周囲のリンパ系が側副路として働くことが観察される。背景の病態も明らかにするために、下腿・大腿部・下腹部・陰部リンパ系の解剖情報も追加した。下腿末梢からのリンパ管グループは４つ（AL,AM,PM,PL）に分けられること、到着するリンパ節は３つである事（SP,IL1，IL2）を既に報告している。下腿部のリンパ管は主にALとAMに合流し、独立したリンパ管グループを持たないことが明らかになった。リンパ節もIL1もしくはSL2に合流し、独立したリンパ節は持たないことが明らかになった。大腿部のリンパ管も主にはALに合流し、IL2リンパ節に到着するため、独立したリンパ系でないことが明らかになった。下腹部からのリンパ管はSLリンパ節に到着し、下肢からのリンパ系とは異なることを明らかにした。陰部からのリンパ系はSMリンパ節に到着し下肢・下腹部からのリンパ系とは独立することを明らかにした。近赤外領域に特化したカメラ・広角レンズ・ロングパスフィルターを使用して、広角に近赤外画像を取り込めるシステムを構築した。次に定量化を目指したが、定量化のためにはリンパのレグメンテ―ションが必要である。しかし画像特性上、場所ごとに輝度が大きく変化するため目視では流れをたどることができても、AIを用いたセグメンテーションは困難である。そこでユーザー側の操作（プロンプト）によってセグメンテーション領域を変更可能なSAM(segment anythingmodel)を用いた開発を行っている。このモデルは言葉や幾何学情報によってセグメンテーション領域を変更することができるため、撮像条件ごとに最適なセグメンテーションを行うことができる。また画像を扱うことが可能な大規模言語モデル（MMLLM:Multimodal Large Language Model）を用いた定量化も目指している。
|
| Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|
Report
(2 results)
Research Products
(5 results)
