| Project/Area Number |
22K16734
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 56020:Orthopedics-related
|
|---|
| Research Institution | Chiba University |
|---|
Principal Investigator |
Maki Satoshi 千葉大学, 医学部附属病院, 助教 (00771982)
|
|---|
| Project Period (FY) |
2022-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2023: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Fiscal Year 2022: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
|
|---|
| Keywords | 人工知能 / 脊髄損傷 / 頚部脊髄症 |
|---|
| Outline of Research at the Start |
本研究では脊髄損傷と頚部脊髄症の機能予後をradiomics（人工知能によって画像所見から遺伝子や予後についての情報を得る手法）を用いて予測し、その診断根拠となる人工知能が着目している画像所見を明らかにして人間にも識別可能な客観的な所見として視覚化し新しい知見を得ることを目指す。そのため①Grad-CAM(人工知能がどこに着目しているかを示すヒートマップ)、②Vision Transformer(深層学習に替わる新しい人工知能の手法)のattention map、③教師なし学習による画像のクラスタリングと実際の予後との比較の3つのアプローチから新しい画像所見の特徴を探索する。
|
| Outline of Final Research Achievements |
This study aimed to apply radiomics to predict functional outcomes in spinal cord injury and cervical myelopathy and to demonstrate image features that are easily understandable to humans. We have published findings on the differentiation of spinal infections and Modic changes, prediction of neurological outcomes in spinal cord injury, and segmentation of compressed spinal cord in cervical myelopathy. We also developed a web application for predicting functional outcomes in spinal cord injury and identified important factors. However, in predicting surgical outcomes for OPLL, we found a trade-off between interpretability and predictive accuracy. It became clear that while machine learning models excel in explainability, it is challenging in deep learning for images.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究は、脊髄損傷と頚部脊髄症の機能予後予測において、radiomicsを用いることで従来より正確な予測を可能にし、脊髄疾患における有効性を実証した。また、人工知能が着目する画像所見を視覚化することで、客観的な所見に基づく診断を可能にした。これにより、適切な治療選択やリハビリ計画の立案が可能となり、患者のQOL向上が期待できる。さらに、的確な治療方針決定につながり、医療の質の向上にも貢献する。本研究は、radiomicsの有用性を実証し、学術面と臨床面の両面で重要な意義がある。また、radiomicsを他疾患にも応用できれば、幅広い診断・治療の改善が見込まれる。
|
