磁気共鳴指紋法を用いた脳内Aβの非侵襲的検出法の開発基盤構築

• Project/Area Number: 23K14903
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 52040:Radiological sciences-related
• Research Institution: Juntendo University
• Principal Investigator: 藤田 翔平 順天堂大学, 医学部, 非常勤助手 (60827244)
• Project Period (FY): 2023-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2026: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2025: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2024: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2023: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
• Keywords: MRI / アミロイド / 脳 / イメージング / 磁気共鳴画像法

Outline of Research at the Start

アルツハイマー病は、緩徐進行性の原発性脳変性疾患であり、臨床症状や脳萎縮に先行して脳内アミロイドβ(Aβ)沈着が生じていることが明らかになっている。アルツハイマー病診療における従来の診断技術では、非侵襲にAβを検出できないという技術的限界がある。本研究では、磁気共鳴指紋法(MR fingerprinting)と複素数ニューラルネットワークを用いて、従来法 MRIにて検出困難であった脳内Aβ沈着を非侵襲的に検出するフレームワークの基盤構築を目的とする。本手法は被曝や外因性薬剤投与が不要で繰り返しの撮像が可能であり、早期診断のみならず、Aβ沈着量のモニタリング、治療効果判定への貢献が期待できる。

Outline of Annual Research Achievements

通常のMRIでは“写真撮影”的利用を前提としているため、待機時間が長く、同じ物理現象を繰り返し発生させる信号収集を行っている。本研究では、組織性状の違いを鋭敏に検出する目的で磁気共鳴指紋法（Ma et al. Nature 2013）の発展版を採用する。通常のMRIと比較してMaらのMRFは単位時間当たり6000倍に相当する膨大な情報を取得するが、今回我々が採用する次世代MRFの収集方式では単位時間当たり数万倍に相当する圧倒的なデータ収集（Cao et al, Mag. Reson. Med. 2022）が可能となり、かつてない効率でAβに由来する信号の収集を行う。
申請者が所属する施設で開発の進んでいるMRF収集方式をベースに、生体が取り得るAβ蓄積量を効率良く検出する磁場制御法の開発を行った。磁場制御設定は数値解析ソフトウェアであるMATLAB、ハードウェアの制御はスキャナープラットフォーム上のIDEA環境を利用して実装する。健常被験者20名に対して提案手法による初期データ収集を行った。深層学習は一般に多量のデータを必要とするが、提案手法では患者毎ではなくピクセル毎に学習を行うため、上記40名で合計3億2000万件（全脳あたり2003＝800万ピクセル）の学習データが得られ、学習サンプル数としては十分と思われる。

Current Status of Research Progress

1: Research has progressed more than it was originally planned.

Reason

当初の計画以上に初期開発が順調に進んだため、研究計画全体が計画以上に進展している。

Strategy for Future Research Activity

研究期間前半に得られたin vivo初期データをもとに、国内にて構築済みの複素数NNモデルを再構築する。具体的には (a) 空間畳み込み、(b) 時間方向のフィルタリング、(c) 磁場不均一の3項目に関して初期データを用いて計算機上でミュレーションし、Aβ信号抽出に適した複素数NNモデルを明らかにする。ここまではピクセル毎の陽性・陰性推定を行っているが、最終的には患者毎の弁別能の評価が臨床的に重要であり、この評価を目的に、モデル構築と並行してアミロイド陽性例50例、陰性例50例のデータを収集する。提案手法の実証として実際の症例においてアミロイドPETを正解とした場合の、提案手法による弁別能を前向きに評価する。提案手法においてもPETで用いられている標準取込値比を用いた関心領域毎のAβ推定量を算出し、弁別能を評価する。研究期間中にMRI撮像収集方式を含めた本手法の基盤構築を目標とする。