| Project/Area Number |
21J13347
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 国内 |
|---|
| Review Section |
Basic Section 90110:Biomedical engineering-related
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
瀬野 宏 東京大学, 工学系研究科, 特別研究員(PD)
|
|---|
| Project Period (FY) |
2021-04-28 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥1,500,000 (Direct Cost: ¥1,500,000)
Fiscal Year 2022: ¥700,000 (Direct Cost: ¥700,000)
Fiscal Year 2021: ¥800,000 (Direct Cost: ¥800,000)
|
|---|
| Keywords | 頻脈性不整脈 / 深層学習 / in silico学習 / 心房細動 / 焼灼治療 |
|---|
| Outline of Research at the Start |
心筋焼灼治療は心房細動をはじめとする頻脈性不整脈の根治が期待できる唯一の治療法である一方で，従来の焼灼戦略では確実な治療は実現できておらず，焼灼戦略に関する更なる検討が必要不可欠である.そこで本研究では，心臓カテーテル術中に計測される信号に基づいて適切な焼灼箇所を診断し，確実に頻脈性不整脈を根治する治療戦略の提案を目的とする.
当研究では，数値シミュレータと深層強化学習を組み合わせたin silico学習を焼灼戦略の最適化問題に応用することで，提案者の事前知識や直感に依存しない客観的な焼灼治療戦略を確立し，その有効性を動物心臓標本を用いて検証する．
|
| Outline of Annual Research Achievements |
本研究の目的は、心臓電気生理シミュレータと深層強化学習を組み合わせたin silico学習によって、これまで提案者の経験や主観に強く依存していた焼灼治療戦略を客観的に最適化することである。
最終年度である2022年度は、昨年度末に構築した、in vitro心筋シートに対して光学計測による膜電位計測と、レーザによる焼灼を行うことができる実験システムについて、第68回日本不整脈心電学会学術大会で報告した。
研究実施計画ではin vitro実験システムに対して、高時空間分解能で撮影できるように光学系を変更し、また光学計測とレーザ焼灼系を統合し焼灼時の興奮様態変化を観察できるように改良を行う予定であったが、本研究の提案には実際の臨床現場では計測不可能な膜電位情報を入力として使用しているという課題が残されていることを再認識し、この課題を解決するために実臨床でもマッピングカテーテルによって計測可能な細胞外電位信号から、膜電位動画を可視化する深層学習モデルの構築を優先して行った。まずこの提案手法の原理実証をコンピュータシミュレーション上で行い、模擬電極信号から高精度で膜電位動画を再構成できる可能性を示した。また提案手法の有効性を検証するために、ブタ摘出心臓標本に対して細胞外電位信号と膜電位信号を同時に計測する実験システムを構築し、ex vivo実験も行った。その結果、実際のブタ心房標本においても電極計測信号から膜電位動画を再構成できる可能性を確認した。本成果は2023年４月に学会発表を予定している。
|
| 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。
|
