| Project/Area Number |
23K24611
|
|---|
| Project/Area Number (Other) |
22H03353 (2022-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2022-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 58030:Hygiene and public health-related: excluding laboratory approach
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
川崎 良 大阪大学, 大学院医学系研究科, 教授 (70301067)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
布施 昇男 東北大学, 東北メディカル・メガバンク機構, 教授 (10302134)
原田 成 慶應義塾大学, 医学部(信濃町), 講師 (10738090)
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)
大久保 孝義 帝京大学, 医学部, 教授 (60344652)
平良 摩紀子 東北大学, 東北メディカル・メガバンク機構, 助教 (60792140)
中島 悠太 大阪大学, データビリティフロンティア機構, 教授 (70633551)
李 良知 大阪大学, データビリティフロンティア機構, 特任助教(常勤) (10875545)
|
|---|
| Project Period (FY) |
2024-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,030,000 (Direct Cost: ¥13,100,000、Indirect Cost: ¥3,930,000)
Fiscal Year 2025: ¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000)
Fiscal Year 2024: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2023: ¥6,760,000 (Direct Cost: ¥5,200,000、Indirect Cost: ¥1,560,000)
Fiscal Year 2022: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
|
|---|
| Keywords | 高血圧 / スクリーニング / 眼底写真 / 網膜血管 / 人工知能 / 循環器検診 / 健康診断 / 深層学習 |
|---|
| Outline of Research at the Start |
1970年代から眼底検査は「高血圧の臓器障害としての血管形態変化を検出する」という目的で用いられてきた。本研究では逆転の発想で眼底写真を入力とし、循環器疾患危険因子を出力に据え、血液検査でしか得られない循環器疾患危険因子の保有状況(リスクプロファイル)を眼底画像から推定し、国内外の複数の大規模疫学研究で検証する。その成果は、通常の健康診断を受ける以前により簡便に、非侵襲で、繰り返し測定できる個別化された新しい予防医療アプローチ(「新・眼底健診」)の可能性を切り拓くものとなる。
|
| Outline of Annual Research Achievements |
1970年代から眼底検査は「高血圧の臓器障害としての血管形態変化を検出する」という目的で用いられてきた。本研究では逆転の発想で眼底写真を入力とし、循環器疾患危険因子を出力に据え、血液検査でしか得られない循環器疾患危険因子の保有状況(リスクプロファイル)を眼底画像から推定し、国内外の複数の大規模疫学研究で検証する。その成果は、通常の健康診断を受ける以前により簡便に、非侵襲で、繰り返し測定できる個別化された新しい予防医療アプローチ(「新・眼底健診」)の可能性を切り拓くものとなる。本研究が目指すのは眼底写真を用いて複数の循環器リスク因子を簡便に推定できる深層学習モデル群を複数の大規模疫学研究のデータを用いて作成し、検証することである。本研究では、眼底画像を従来の「眼疾患の検診や高血圧の臓器障害の検診」に利用するという役割とは逆の視点で、新たなコンセプト「眼底画像のみで、循環器危険因子の保有状況(リスクプロファイル)を事前に推定する」点に独自性と創造性がある。本研究の成果の応用としては、「新・眼底健診」を提案したい。すなわち、血液検査を用いた従来の健診に先立って眼底画像のみで簡易的に循環器疾患のリスクプロファイルを得ることが可能となれば、検診の前のハイリスク者の絞り込み、健診受診の動機づけなど我が国の特定健診をはじめとした予防医療の文脈においても貢献が期待できる。国内外の疫学研究の協力のもと、畳み込みニューラルネットワークによる深層学習モデルを用いた研究を継続する。今年度はデータセットの確保と画像やデータの評価に重点を置いて研究した。また、派生的な取り組みとして国際コンソーシアムへの協力を通じて、より汎用性の高いモデルの作成にも貢献する。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
データ収集はコロナ禍の影響がなくなり、予定通り収集が進んでいる。AI研究開発について、昨年度の遅れを取り戻し、概ね計画通りとなった。
|
| Strategy for Future Research Activity |
AI解析については世界的なコンソーシアムの動きがあり、積極的に参加し、国内データでのモデル開発研究に加えて、国際的なモデル作成に参加することでさらに汎用性の高い研究への貢献の道筋が見えてきた。このような国際的な貢献を通じて本研究の結果のより大きな成果につながる可能性が出てきた。
|
