| Project/Area Number |
22K09112
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 55060:Emergency medicine-related
|
|---|
| Research Institution | Niigata University |
|---|
Principal Investigator |
西山 慶 新潟大学, 医歯学総合研究科, 教授 (90447970)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
本多 忠幸 新潟大学, 医歯学系, 准教授 (70231579)
大橋 さとみ 新潟大学, 医歯学総合病院, 准教授 (00313510)
本田 博之 新潟大学, 医歯学総合病院, 講師 (20535174)
八幡 えり佳 新潟大学, 医歯学総合病院, 特任助教 (30622906)
石川 博補 新潟大学, 医歯学総合病院, 助教 (80769399)
上村 夏生 東京医科大学, 医学部, 助教 (00792285)
晝間 優隆 新潟大学, 医歯学総合病院, 助教 (50915048)
松井 亨 新潟大学, 医歯学総合病院, 助教 (60753283)
名和 要武 東京大学, 医学部附属病院, 助教 (00456914)
仲本 宗泰 北海道大学, 保健科学研究院, 助教 (10808877)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2023: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | 心肺蘇生 / 予後予測 / 画像診断 / 人工知能 / 蘇生後脳障害 / CT / 心肺停止 / 画像 / 集中治療 / 救急 |
|---|
| Outline of Research at the Start |
すでにパイロット研究における患者エントリーは終了しており、データ解析を開始している。またデータ解析を行う東京大学放射線科は、ラディオミクスをはじめとしたがん診療におけるCTデータの人工知能による解析の研究実績が豊富にあり、DAICOMデータに基づいた解析が十分に可能な環境が整っている。
予備的な解析により、多機種CTデータの抽出・再構成および特徴量抽出の方法論の開発はほぼ終了しており、今後は多施設からのデータを用いてこれらの解析の方法論をvalidationした後、アウトカム(神経学的予後)と紐づく特徴量の抽出を行っていく予定である。
|
| Outline of Annual Research Achievements |
本研究の目的は、心停止（Cardiac Arrest: CA）患者の神経学的予後を、脳コンピュータ断層撮影（Computed Tomography: CT）画像から抽出した定量的画像バイオマーカーを用いて予測することである。2017年から2019年にかけて、3施設において治療を受けた心停止患者86例（良好予後32例、不良予後54例）を後ろ向きに登録した。対象患者のCT画像から、全脳および局所の関心領域（Volume of Interest: VOI）における1131の定量的画像バイオマーカーを抽出した。得られたデータは、訓練データ（60例）とテストデータ（26例）に分割し、訓練データを用いて分類に有用な代表的画像バイオマーカーを選定した。単変量解析においては、Brunner-Munzel検定のp値および受信者動作特性曲線下面積（Area Under the Curve: AUC）を用い、テストデータに対する分類精度を評価した。多変量解析においては、非線形および複雑な関係を反映する機械学習モデルを構築し、テストデータに対するAUCを指標としてモデル性能を評価した。単変量解析の最良結果として、p値が0.009（<0.01）、AUCが0.775（95%信頼区間、0.590-0.960）を示した。一方、多変量解析ではAUCが0.813（95%信頼区間、0.640-0.985）であった。いずれの解析においても、3次元的にローパスフィルタ処理を施した画像のヒストグラムにおける最大勾配を有する灰色レベルが、予測において重要な特徴であることが示唆された。定量的画像バイオマーカーは、心停止患者の神経学的予後予測に資する可能性が示された。これらのバイオマーカーを適用することにより、急性期医療における適切な意思決定支援を目的としたCT画像取得プロトコルの標準化に寄与しうると考えられる。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
本研究では心肺停止後のCT画像に対し機械学習を用いた予後予測モデルの開発に成功した。この方法論を発展させた形で現在体温管理療法への反応性をアウトカムとしたモデル作成を行っているところである。
|
| Strategy for Future Research Activity |
予後予測に用いた機械学習の手法を用い、体温管理療法への反応性（レスポンダー）を抽出するモデルの作成を行っていく。
|
