| Project/Area Number |
22K12836
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 90130:Medical systems-related
|
|---|
| Research Institution | Chiba University |
|---|
Principal Investigator |
川田 奈緒子 千葉大学, 真菌医学研究センター, 特任准教授 (00400896)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
羽石 秀昭 千葉大学, フロンティア医工学センター, 教授 (20228521)
岩男 悠真 国立研究開発法人量子科学技術研究開発機構, 量子医科学研究所 先進核医学基盤研究部, 研究員 (40758330)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2024: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2023: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2022: ¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
|
|---|
| Keywords | COVID-19 / 画像診断 / 深層学習 / COVID-19関連肺炎 / 予後予測 |
|---|
| Outline of Research at the Start |
新型コロナウイルス感染症(以下COVID-19)において、進行する症例を早期診断することは課題である。胸部画像と他の臨床情報を融合した予測システム作成により肺炎の進行や予後を予測し、根拠の提示や予測画像の作成が可能となれば、重症化が見込まれる症例を早期に判別することに加え、『予測の見える化』を行うことができる。これにより早期からの適切な治療や慎重な経過観察を行うことができ、疾患予後の改善に寄与できる。また、経時的な画像情報と臨床情報を組み合わせたシステムによる予後予測が可能になれば、このスキームは他の慢性呼吸器疾患へも応用できる可能性がある。
|
| Outline of Annual Research Achievements |
今年度はCOVID-19患者の臨床情報と胸部CT画像を統合し、酸素供給の有無を予測する深層学習（DL）モデルを構築した。臨床情報（患者背景、臨床症状、血液検査）と胸部CT検査を施行したCOVID-19患者を後方視的に登録したデータセットを用いた。提案法では 臨床情報とCT画像をそれぞれ単体で多層畳み込み構造を通し情報の抽出を行った後に統合し、ResNet構造を有するネットワークに通した後に、酸素供給の有無を予測した。 追加検証として提案モデルを他施設で取得されたデータセットへ適用した。。提案したDLモデルは、酸素需要予測において単一入力モデルよりも高い予測精度を示し、他施設検証でも安定した精度を示した。さらに構築モデルにおける各情報の寄与度を算出し、モデル予測の妥当性を示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
モデル構築については概ね作成し、検証を行っている
|
| Strategy for Future Research Activity |
COVID-19について治療経過までを含めたモデルの構築と予測画像の作成を目指している。また他の呼吸器疾患へのモデル適用について検証する予定である。
|
