| Project/Area Number |
23K09732
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 58030:Hygiene and public health-related: excluding laboratory approach
|
|---|
| Research Institution | 独立行政法人国立病院機構(東京医療センター臨床研究センター) |
|---|
Principal Investigator |
佐々木 真理子 独立行政法人国立病院機構(東京医療センター臨床研究センター), その他部局等, 研究員 (60276342)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
平野 仁一 慶應義塾大学, 医学部(信濃町), 講師 (60574910)
羽入田 明子 慶應義塾大学, 医学部(信濃町), 助教 (70815943)
|
|---|
| Project Period (FY) |
2023-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2026: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2025: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
|---|
| Keywords | 認知症 / 網膜 / 光干渉断層計 / 人工知能 / 網膜厚 |
|---|
| Outline of Research at the Start |
認知症患者は急速に増加しており、それによる社会的、経済的損失は計り知れない。早期の発見、介入が重要であるが、MRIや脊髄液による診断は時間や費用、侵襲性の点からスクリーニングに適さない。網膜は、血管、神経を直接評価可能で、脳と類似性があるため、非侵襲的に、脳を病理学的に評価する手段として網膜イメージングが注目されている。本研究では、医用画像解析で成果を上げている人工知能（機械学習）を用いて、これまでの疫学研究で得られた認知機能評価、眼科網膜イメージデータ（眼底写真・OCT画像）から、認知機能や認知症、軽度認知障害を推定する機械学習モデル（古典的機械学習ならびに深層学習モデル）を作成、検証する。
|
| Outline of Annual Research Achievements |
（研究背景と目的）
認知症患者は急速に増加しており、個人はもとより、社会的損失、介護、医療などによる経済的損失は計り知れない。早期の発見、介入が重要であるが、MRIや脊髄液による診断は時間や費用、侵襲性の点からスクリーニングに適さない。そのため、網膜イメージングが、非侵襲的に脳を病理学的に評価する手段として注目されている。我々はすでに、疫学コホート・目とこころの検診により、網膜厚と認知症の関連を明らかにしている。本研究は、人工知能を用いて、これまでに行った疫学研究で得られた認知機能評価、眼科網膜イメージングデータ（眼底写真・OCT画像）から、認知機能や認知症、軽度認知障害を推定する機械学習モデルを作成、検証し、あたらしい認知機能の評価ツールとして応用することを目的とする。
（研究計画と方法）先行研究で作成した眼底検査結果、網膜厚・脈絡膜厚などのOCT測定値、その他の眼科検査、個人の背景情報を統合したデータセットと認知機能データとの関連を機械学習を用いて解析し、SHAP（SHapley Additive exPlanations）を用いてリスク因子を同定する。また、画像ファイルから、深層学習モデルを作成する。深層学習モデルは入力画像データの種類により、複数作成し、その性能を比較、SHAPを用いて解釈性を探求する。モデル作成が完了したのち、国内他コホートデータでの検証を行ったうえ、作成したいくつかの推定モデルを評価し、検証を行う。
（令和５年度の計画と実績）
予定していた、先行研究による数値化した網膜イメージングデータと認知機能との機械学習を用いた関連解析は予定通り終了した。また、眼底写真、OCTイメージを解析可能な画像ファイル形式（JPEG）として取り出し、データと紐づけ可能なIDを付与する作業もAIを用いることにより当初の予定に先んじて終了した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
前述の如く、当初の予定通り計画は進行している。予定していた先行研究による数値化した網膜イメージングデータと認知機能との機械学習を用いた関連解析は予定通り終了した。また、眼底写真、OCTイメージを解析可能な画像ファイル形式（JPEG）として取り出し、データと紐づけ可能なIDを付与する作業もAIを用いることにより当初の予定に先んじて終了した。
|
| Strategy for Future Research Activity |
現在、研究計画通り進捗している。本年度は前年度に作成した画像ファイルを取り込み、実際に深層学習モデルを作成する。深層学習モデルは入力画像データの種類により複数作成し、その性能を比較する。
|
