腹部ステントグラフト術後血管イベントの早期予測システムの開発

• Project/Area Number: 22K16556
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 55030:Cardiovascular surgery-related
• Research Institution: Chiba University
• Principal Investigator: 渡邉 倫子 千葉大学, 医学部附属病院, 助教 (20766274)
• Project Period (FY): 2022-04-01 – 2025-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000); Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2022: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
• Keywords: EVAR / ステントグラフト / 瘤拡大 / CT / 深層学習 / 術後 / 術後瘤拡大 / 血管内治療 / ステントグラフト治療 / 血管イベント / 人工知能

Outline of Research at the Start

大動脈瘤の血管内治療であるステントグラフト治療では、カテーテル内にバネ付人工血管（ステントグラフト）を挿入し、動脈瘤部分でこれを押し出す。血管内治療後の瘤拡大・形態変化のメカニズムは十分に解明されておらず、破裂等のイベント発生を予測する客観的な評価法は未だ確立されていない。イベント発生の予測・早期介入は、致死率の高い瘤破裂を回避し、予後改善に寄与するものと考えられ、本研究では血管内治療後の瘤を含む血管やデバイスの形態変化を3次元解析により客観的に評価し、臨床病理学的なデータと合わせ、イベント発生の早期予測システム開発を目指す。

Outline of Annual Research Achievements

腹部大動脈瘤、腸骨動脈瘤に対するステントグラフト治療後の患者におけるデバイス、瘤形態の変化をとらえるため、血管、デバイス、他の臓器の分離について方法の検討を継続した。術後イベントの有無に関わらず、連続するデータのある症例において、CT画像データを用いた解析を行った。造影剤の有無は、デバイス、血管、瘤の形態をとらえる方法に影響を与えるため、造影剤の有無の両方の条件でデータで解析を行い、それらを比較し、画像処理を検討した。患者背景(使用デバイス、デバイス留置範囲、瘤の形態・範囲）により、同一の方法が適応できないことを経験したため、背景の条件をそろえたデータでの解析を行った。
さらに画像解析の手法については以下の通り研究を進めた。深層学習を用いた単純CT画像のステントグラフトのセグメンテーションについて検討した。まず、15症例の単純CT画像に対してステントグラフト領域をペイントにて手入力した。次に、学習用症例11例および検証用症例2例を用いて2次元attention U-Netモデルを学習した。学習したモデルを評価症例2例に適用した結果、Dice係数は0.935と良好な結果が得られた。また、腹部大動脈内でステントグラフトが分岐し、分枝が隣接している症例が複数確認されたため、Watershedアルゴリズムを用いた各分枝の分離手法を構築した。さらに、抽出したステントグラフトの各枝に対して中心線を抽出した上で、曲率、曲線のねじれ、中心線の直交断面積などの複数の特徴データを抽出するための手法を構築した。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

腹部大動脈瘤に対するステントグラフト術後のCT画像において、デバイス、大血管、他臓器の同定、分離を行う手法の確立に時間を要した。深層学習を用いた画像解析方法の検討により、妥当な方法を取得し、今後多数例への適用を見込んでいる。

Strategy for Future Research Activity

単純CT画像からの大動脈瘤を含む血管領域のセグメンテーション手法を構築するとともに、本年度の構築した解析手法を多数症例に適用し、画像から取得した特徴データとイベント発生との関連を解析する予定である。