PET画像変換技術を含めた機械学習処理による心臓サルコイドーシス診断モデルの開発

• Project/Area Number: 23K07588
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 53020:Cardiology-related
• Research Institution: Fujita Health University
• Principal Investigator: 河合 秀樹 藤田医科大学, 医学部, 准教授 (30778361)
• Co-Investigator(Kenkyū-buntansha): 寺本 篤司 名城大学, 情報工学部, 教授 (00513780) ; 皿井 正義 藤田医科大学, 大学病院, 病院教授 (10298531) ; 佐藤 嘉洋 藤田医科大学, 医学部, 助教 (70731503) ; 井澤 英夫 藤田医科大学, 医学部, 教授 (80402569) ; 外山 宏 藤田医科大学, 医学部, 教授 (90247643)
• Project Period (FY): 2023-04-01 – 2026-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2025: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000); Fiscal Year 2024: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000); Fiscal Year 2023: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
• Keywords: 心サルコイドーシス / FDG-PET/CT / Cycle GAN / 機械学習 / 心臓サルコイドーシス / 深層学習 / 診断モデル

Outline of Research at the Start

心臓サルコイドーシスは病理学的組織診断が困難な症例が多いため、画像診断の重要性が非常に高い。FDG-PET/CTはサルコイドーシスによる炎症病巣を高感度に描出するため、本症の診断に非常に有用であり近年急速に普及してきたが、心筋炎等の他疾患や生理的集積との鑑別が困難であることが少なくない。本研究では画像を相互変換する新しい技術を用いて、FDG-PET/CT画像から正常心筋を抽出し、さらに深層学習処理を加えて客観的かつ精度の高い確定診断、治療効果判定、重症度・予後評価を行い、将来的には経験豊富な施設と同水準の診断精度を目指すためにこれをソフトウェアとして標準化することを目的とする。

Outline of Annual Research Achievements

本研究は①準備期、②手法確立期、③精度検証期、④論文準備期、の4段階に分けて研究を進めている。科研費申請の段階で①準備期は既に終えている。昨年度は深層学習処理システム Deep learning BOX II (GDEPアドバンス社)を購入し、共同研究者の寺本教授とともに②手法確立期に臨んだ。一部の症例で画質不良のため問題が生じたが、試行錯誤を加えながら、何とか一定の精度の画像がほぼ全症例で得られつつある。
またこの間にも①準備期で用意した適応症例が少し増えているため、他の研究にも用いることもありこのサルコイドーシス患者データベースを更新している。
一方で同様にサルコイドーシスをテーマとした他研究も並行して進めており、昨年は日本サルコイドーシス学会にて発表を行った。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

上記に記したとおり、一部の画質の不十分な症例についてやや苦労したが、概ね順調である。

Strategy for Future Research Activity

②手法確立がもう少し完成した段階で③精度検証に入る予定である。