| Project/Area Number |
21H04956
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (A)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Medium-sized Section 90:Biomedical engineering and related fields
|
|---|
| Research Institution | Nagoya Institute of Technology |
|---|
Principal Investigator |
平田 晃正 名古屋工業大学, 工学(系)研究科(研究院), 教授 (00335374)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
大高 洋平 藤田医科大学, 医学部, 教授 (00317257)
田中 悟志 浜松医科大学, 医学部, 教授 (10545867)
上原 信太郎 藤田医科大学, 保健学研究科, 准教授 (30725130)
ゴメスタメス ホセデビツト 名古屋工業大学, 工学(系)研究科(研究院), 准教授 (60772902)
|
|---|
| Project Period (FY) |
2021-04-05 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥42,380,000 (Direct Cost: ¥32,600,000、Indirect Cost: ¥9,780,000)
Fiscal Year 2024: ¥8,320,000 (Direct Cost: ¥6,400,000、Indirect Cost: ¥1,920,000)
Fiscal Year 2023: ¥9,620,000 (Direct Cost: ¥7,400,000、Indirect Cost: ¥2,220,000)
Fiscal Year 2022: ¥8,060,000 (Direct Cost: ¥6,200,000、Indirect Cost: ¥1,860,000)
Fiscal Year 2021: ¥16,380,000 (Direct Cost: ¥12,600,000、Indirect Cost: ¥3,780,000)
|
|---|
| Keywords | 脳電気刺激 / 支援ソフトウェア開発 / リハビリテーション / 機械学習 / 脳刺激 / 運動誘発電位 / 脳電気・磁気刺激 |
|---|
| Outline of Research at the Start |
脳へ電気刺激を与える「電気薬学」に立脚した医療応用に期待が高まっている。しかし、脳への電気刺激の作用機序は明らかではなく、効果の個人差も大きく、小脳を含む脳深部への標的刺激は容易ではない。医用画像から患者個人の刺激を抽出し、脳卒中患者ごとの最適電極位置、注入電流パラメータなどを最適化する手法を、物理計算と機械学習の融合により実現、さらに実験的検証を行う。
|
| Outline of Annual Research Achievements |
前年度までに得られた知見、技術に基づき、患者を対象とした実験およびそれに対応する計算モデル化による最適刺激の実現を検討した。まず、医用画像から計算機上に構築したモデルを用いて電気的に人体を模擬した。従来の人体モデル構築とは異なり、機械学習を用いてMR画像から各組織を分類することになく、ミリメートルレベルで直接電磁気学的特性を推定、電磁界計算が安定した効率的な実装をおこなった。加えて、従来法を用いつつ、その精度改善手法を提案した。これらの頭部モデルにより、電極の位置、刺激強度の最適化、グループレベルでの簡易化を行ってきた。電気刺激とは物理的に相反関係のある脳波の波源推定を取り上げ、その精度検証を実施し、有効性を確認した。
精緻な人体モデルを用いた脳内誘導電流の解析結果より、複数電極を用いた刺激による最適電極位置および注入電流を個々人およびグループレベルで最適化の有効性を示した。また、刺激のターゲットとしては、運動野でも下肢、さらには運動野以外の領域を刺激した場合の誘導電界の個人差を検証した。
計算モデル有効性検証の対象として、2022年度に発表した構築したプロトコルを用い、個々の脳卒中の患者を考え、その電気的モデル化、電極配置に与える影響などについてまとめた。また、上肢に運動麻痺を呈する慢性期の脳卒中患者計9名に対して、小脳第VI小葉をターゲットとした最適電極位置を推定し、推定結果に基づいた直流電気刺激の付与と集中的リハビリテーション介入による上肢運動機能への効果検証を行なっている。電気刺激に先立ち、磁気刺激において機械学習での推定を行い、高速化システムのプロトタイプについて検討し、汎用性の高い最適刺激支援ソフトウェアの検討を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
被験者を対象とした実験およびその計算モデル化による最適刺激の実現を検討しており、当初の予定と概ね合致している。具体的には、機械学習を用いることにより、臨床研究で重要となる運動野周辺に誘導される電流ばらつきについて統計な知見を得ることができた。これまでの刺激実験結果との対比から、有効性は確認できるものの、電極位置のばらつきによる効果が大きい可能性を指摘するなど一定の知見が得られている。
また、上肢に運動麻痺を呈する慢性期の脳卒中患者計9名に対して、小脳第VI小葉をターゲットとした最適電極位置を推定し、推定結果に基づいた直流電気刺激の付与と集中的リハビリテーション介入による上肢運動機能への効果検証を実施している。対応して、計算物理モデルで示された前頭前野付近における最大電流密度の個人差が、tESによる前頭前野、小脳刺激に与える影響についても評価した上で、最適刺激支援ソフトウェアの開発に取り掛かっている。
|
| Strategy for Future Research Activity |
◯脳卒中患者を対象とした最適電気刺激システムの有用性検討
構築された刺激最適化支援システムが、脳卒中患者の上肢機能回復に有効であるかをランダム化比較試験のデザインにより検討する。(1)刺激支援システムを用いて電極配置や大きさ、注入電流の刺激パラメータを最適化した群、(2)刺激支援ソフトウェアを用いずに従来と同様な直流刺激を実施する群、(3)偽刺激群の3群に患者をランダムに振り分けて実施してきた。本年度はこれらを取りまとめ、解析から得られる体内誘導電流との相関について検証を行うものとする。
◯物理計算と機械学習の融合による最適刺激支援ソフトウェア開発
これまで得られた高分解能モデルに対する計算実験結果を標準脳にあてはめ、機械学習によって個々人の結果を予測し、低分解能MR画像の処理から計算モデル実験による最適化までを数秒で完了するソフトウェアを開発する。その検証として、電気刺激だけではなく、
物理的相反関係のある脳波源推定にも適用することにより、多角的に議論する。MRから抽出される量と物理計算結果をどのように学習させるかを探索するのが重要となる。最終年度として、研究１、２の更なる高速化に加え、施術者の技術にも依存しないよう、電極
位置ばらつきにより、標的部の電流が影響を受けにくい場所の同定機能なども付与する。
|
