Development of Intracranial EEG Analysis Algorithm to Improve Surgical Outcomes in Drug-Resistant Epilepsy
| Project/Area Number |
22K09296
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 56010:Neurosurgery-related
|
|---|
| Research Institution | National Center of Neurology and Psychiatry |
|---|
Principal Investigator |
岩崎 真樹 国立研究開発法人国立精神・神経医療研究センター, 病院, 部長 (00420018)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
小野 弓絵 明治大学, 理工学部, 専任教授 (10360207)
宮崎 智之 横浜市立大学, 医学部, 准教授 (30580724)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2022: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | てんかん外科 / 頭蓋内脳波 / AI / 転帰 |
|---|
| Outline of Research at the Start |
経験のある医師の判断に任されてきた頭蓋内脳波の判読を、深層学習・機械学習を応用することで、治療転帰に関連する頭蓋内脳波の特徴を抽出し、脳波の特徴から外科治療後の発作転帰を予測するアルゴリズムを開発する。まず、経験ある医師が抽出した異常脳波の形態サンプルを深層学習させる。その後、切除後の治療転帰が良好だった患者のサンプルから、発作抑制に寄与する脳波形態特徴を抽出する。その結果をもとに、発作抑制が期待される切除領域を推定する新規解析アルゴリズムを創出する。脳波の形態特徴を入力し、任意の電極を指定すると、切除後の発作転帰を推定するアルゴリズムができあがる。
|
| Outline of Annual Research Achievements |
経験のある医師が目視で行ってきた頭蓋内脳波判読に深層学習・機械学習を応用することで、てんかん外科治療後の良好な発作予後につながる頭蓋内脳波の特徴を抽出し、発作予後を予測する新たな解析アルゴリズムを創出することが本研究の目的である。本研究では、脳波波形の「形態パターン」に着目し、まず深層学習の手本となる「形態」サンプル抽出と、畳込みニューラルネットワークによる「形態」の自動抽出ソフトウェアを構築、最終的に脳波の形態特徴と外科切除領域を入力することで術後の発作予後を予測するアルゴリズム開発につなげる。
３つのステップで研究を予定している。はじめの二段階の深層学習を通じて、発作時脳波変化、発作間欠期てんかん性放電(IEDs)、高周波振動(HFO)の３つの評価項目で切除すべき領域にて出現する形態パターンの特徴を明らかにする。最後に脳波の形態特徴と切除領域の入力により術後の発作抑制率を推定する予測アルゴリズムの開発を行う。
令和4年度は、まず研究計画書を作成し、NCNP倫理委員会の一括審査で承認を得て研究を開始した。現在まで4例を組み入れ、頭蓋内脳波データを収集した。
研究計画のステップ１『深層学習の手本となる皮質脳波「形態」サンプル抽出と畳み込みニューラルネットワークによる「形態」の自動抽出』を推進した。これまでに研究グループで構築した画像識別ニューラルネットワークの転移学習によるHFO識別手法(Takayanagi et al 2021)を発展させ，データ拡張技術の導入と識別法の改良により皮質脳波形態サンプル検出の正解率90%以上を達成することができた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
予定通り研究を開始し、症例データの収集を進めながら、脳波波形の形態サンプル抽出を行い、高い検出性能を達成できた。
|
| Strategy for Future Research Activity |
次年度以降の研究ステップ（ステップ２： 発作抑制に寄与する脳波形態特徴の抽出）に向けて、データの収集を継続する。研究グループでの定期ミーティングを継続しながら、臨床的特徴との関連を検討する。
|
Report
(1 results)
Research Products
(1 results)
