| Project/Area Number |
21K15679
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 52020:Neurology-related
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2023: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2022: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2021: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
|---|
| Keywords | 神経イメージング / 神経変性疾患 / 機能的MRI / 受動課題 / 受動的課題脳活動 / ニューロイメージング / 神経機能画像 / 受動的課題関連脳活動 / エピソード記憶 / 高次脳機能障害 |
|---|
| Outline of Research at the Start |
神経変性疾患ではしばしば同じ高次脳機能障害がみられるが、疾患によってその背景となる神経学的基盤は異なると考えられる。これを明らかにするには認知課題中の脳活動を計測することが有用であるが、実応用にあたっては課題遂行自体が負荷となり、しばしば遂行困難である。
そこで本研究では、より施行が簡便な認知課題パラダイムとして受動的課題を提案し、その遂行にともなう脳活動を計測することで、その妥当性および臨床診療への有用性を明らかにする。
本研究によって、非侵襲的イメージング手法を用いた新しい客観的指標を神経疾患診療に展開できるような知見が得られるものと期待する。
|
| Outline of Final Research Achievements |
I proposed a passive task paradigm as a method to reduce the cognitive load during task performance in task-related functional MRI. I created a experimental paradigm with task stimuli useful for a diagnosis of neurological diseases and conducted an actual measurement, demonstrating its feasibility. In data analysis, using resting-state functional MRI data from a cohort study, 1) I generated a machine learning-based disease classifier based on functional connectivity for REM sleep behavior disorder, a prodromal symptom of Parkinson's disease, 2) and revealed differences in network dynamics among dementia, Parkinson's disease and healthy elderly using the dynamic functional connectivity approach.
|
| Academic Significance and Societal Importance of the Research Achievements |
臨床診療にMRIは欠かせないツールであるが、現在はもっぱら脳構造を可視化する検査として応用されている。一方で脳機能を可視化できる機能的MRIは、構造的MRIと比較して非常に情報量が多く、診断・疾患分類や治療評価などへの今後の応用可能性が期待される。機能的MRIの臨床応用にあたっては、負荷や再現性という観点で解決すべき問題がある。本研究では、より低負荷な機能的MRIの実験手法を提案するとともに、得られたデータから有用な情報を取り出すデータ解析手法を実現した。
|
