| Project/Area Number |
21K09751
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 56060:Ophthalmology-related
|
|---|
| Research Institution | Jichi Medical University |
|---|
Principal Investigator |
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山崎 俊彦 東京大学, 大学院情報理工学系研究科, 教授 (70376599)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2021: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
|
|---|
| Keywords | 深層学習 / 眼房水 / 加齢黄斑変性 / 網膜光干渉断層像 / サイトカイン / 説明可能AI / 眼内サイトカイン |
|---|
| Outline of Research at the Start |
眼底写真および眼内サイトカイン濃度を深層学習して予後と照らし合わせることで、滲出型加齢黄斑変性の病態解明を行う。
|
| Outline of Final Research Achievements |
Prediction of cytokine profiles from optical coherence tomograms was performed on 717 samples using deep learning. Cytokine concentrations were predictable with correlation.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究成果により加齢黄斑変性における非侵襲データから侵襲データを生成することが可能になり、非侵襲データと侵襲データを合わせて解析することで、加齢黄斑変性の予後予測精度を向上させると考えられる。学術的には、加齢黄斑変性の新たな病態解明と個別化医療に貢献すると期待され、社会的には失明をさらに減らすと期待される。
|
