| Project/Area Number |
20K16687
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
佐藤 友美 東北大学, 大学病院, 助教 (80746149)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2021: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2020: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
|
|---|
| Keywords | 癒着胎盤 / MRI / 機械学習 / AI / 定量MRI / 放射線科 / 産婦人科 |
|---|
| Outline of Research at the Start |
癒着胎盤は母体死亡の原因となる疾患で、術前診断が重要だが、確実に診断する方法は確立していない。これまでの癒着胎盤のMRI診断は定性的評価のため、読影者間でのばらつきが生じる。
本研究では、胎盤を定量的に評価することによって、より客観的な癒着胎盤の診断法を開発し、MRIによる癒着胎盤の診断能の向上を目指す。
画像の空間パターンを数値化して解析する方法、胎盤の硬さを定量的に評価する撮像方法の開発を行う。
|
| Outline of Annual Research Achievements |
東北大学病院AIラボと連携し、機械学習を用いた、癒着胎盤のMRI画像診断研究を行った。一般的には日常診療において、放射線科医が画像読影する際には、画像だけではなく、幅広い臨床情報を考慮に入れる。機械学習においても、画像データのみの学習ではなく、放射線科医が考慮に入れるような臨床情報を組み込んだ予測モデルが有用ではないかと考え、本研究では、臨床情報を組み込む方法を採用した。
画像データは放射線診断専門医が、AIラボ内で作成されたソフトウェアを用いて、手動で胎盤輪郭を囲い、領域抽出したものを用いた。臨床情報は、癒着胎盤のリスク要因として知られている、帝王切開の既往などを採用した。画像データのみ、臨床情報のみ、画像データ＋臨床情報のそれぞれの予測モデルを比較すると、画像データ＋臨床情報の予測モデルが最も高いAUCを示した。
画像と臨床情報を与えられた状態での放射線科医の読影実験との比較も行った。産婦人科領域を専門とする放射線診断専門医、産婦人科領域を専門としない放射線診断専門医、専攻医との比較では、機械学習による画像データ＋臨床情報の予測モデルは、産婦人科領域を専門とする放射線診断専門医と同等のAUCを示し、婦人科領域を専門としない放射線診断専門医、専攻医よりも高いAUCを示した。
本研究では、既存の研究よりも簡便なモデル（convolutional neural network）を用いているにもかかわらず、高い診断能を達成しており、将来の臨床への機械学習の応用を考慮する点でも意義があると考える。
|
| Current Status of Research Progress |
Current Status of Research Progress
4: Progress in research has been delayed.
Reason
胎盤輪郭を囲んで領域抽出するためのソフトウェアの作成や調整に、時間を要したため。
|
| Strategy for Future Research Activity |
本研究の予測モデルは簡便にも関わらず、癒着胎盤MRIの画像診断において、高い診断能を示した。これまでのところ用いた画像データはT2強調画像のみであったが、拡散強調画像やコヒーレント型GREシーケンスのデータを入力した予測モデルも検証したい。
|
