| Project/Area Number |
22K07803
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Iwate Medical University |
|---|
Principal Investigator |
折居 誠 岩手医科大学, 医学部, 講師 (70508986)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
吉岡 邦浩 岩手医科大学, 医学部, 教授 (70210648)
藤原 純平 岩手医科大学, 医学部, 専門研修医 (60935146)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2024: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2023: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | 大動脈解離 / 人工知能 / CT / MRI |
|---|
| Outline of Research at the Start |
本研究の目的は，“人工知能（artificial intelligence; AI）を用いて急性大動脈解離（AAD）発症リスクとCT(computed tomography)画像所見をあきらかにする”ことである．さらに，AAD発症高リスク群を地域医療圏で共有するシステムを開発する．本システムは本邦初の疾患発症予測システムとなり，これまでのAI画像診断支援システムとは異なり，発症高リスク群の抽出まで踏み込むこととなる．
医療圏内で本システムが構築されれば，治療開始への時間を短縮することで，死亡率の低下が期待できるものである．
|
| Outline of Annual Research Achievements |
申請者および研究分担者は，人工知能（AI）による胸部から骨盤部動脈における大動脈瘤の同定および瘤径計測，過去画像との対比，診療ガイドラインを参照した治療方針の提示という画像診断補助システムの開発に成功した（Fujiwara J, Sone M, Orii M, Yoshioka K. Fully automatic detection and measurement of abdominal aortic aneurysm using artificial intelligence. SCCT 2023 Scientific Meetingで成果発表）．
特に腸骨動脈では近接する腸管などとの判別が困難で開発に難航したが，最終的には高い診断精度（大動脈セグメンテーションにおけるDice score：全大動脈で0.90，胸部大動脈で0.94，腹部大動脈で0.93，腸骨動脈で0.83）で開発に成功した．AIが検出できた217例の大動脈瘤に対し，放射線診断レポートとの最大短径の誤差は0.83 ± 2.68mm，相関係数が0.974であった．
さらに大動脈解離の発症危険因子を同定し，発症高リスク群を抽出するため，急性大動脈解離におけるCT画像の特徴を抽出する臨床研究を実施した．結果申請者および研究分担者は，急性大動脈解離における心電図同期CTと緊急手術との所見対比について，手術所見をゴールドスタンダードとして明らかにし，論文報告を行った（Orii M, Fujiwara J, Yoshioka K, et al. A Comparison of Retrospective ECG-Gated CT and Surgical or Angiographical Findings in Acute Aortic Syndrome. Int Heart J. 2023;64:839-846）.
当該年度におけるこれらの成果については，第34回日本心血管画像動態学会で，シンポジウムとして成果報告を行った（折居誠. 循環器疾患領域においてAIはどこまで進化したか-大動脈-）．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
AIを用いて全大動脈のセグメンテーションと大動脈径，大動脈性状の自動抽出システムは，開発に成功した．更に急性大動脈解離の画像診断的特徴とその同定率についても，論文化に成功した.深層学習を用いたAI開発環境としては，学会発表および論文としての成果発表も継続して行っている（Orii M, Yoshioka K et al. Super-resolution deep learning reconstruction at coronary computed tomography angiography to evaluate the coronary arteries and in-stent lumen: an initial experience. BMC Med Imaging. 2023;23:171，Orii M, Yoshioka K et al. Reliability of respiratory-gated real-time two-dimensional cine incorporating deep learning reconstruction for the assessment of ventricular function in an adult population. Int J Cardiovasc Imaging. 2023;39(5):1001-11）.以上，これまでの進捗状況は概ね順調と考える．
|
| Strategy for Future Research Activity |
全大動脈におけるセグメンテーションおよび大動脈径の自動計測システムを用いて，大動脈解離発症前に撮像された造影CT画像と年齢性別をマッチさせた対照群に対して，機械学習を実施する．さらに医療圏において，上記抽出された大動脈解離発症高リスク群を前向きに登録，共有するシステムを確立する予定である．
|
