| Project/Area Number |
23K25233
|
|---|
| Project/Area Number (Other) |
22H03979 (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 90130:Medical systems-related
|
|---|
| Research Institution | Nihon University |
|---|
Principal Investigator |
大山 勝徳 日本大学, 工学部, 准教授 (50615606)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
谷川 ゆかり 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 研究部門付 (20344202)
川口 拓之 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (60510394)
守屋 正道 地方独立行政法人東京都健康長寿医療センター(東京都健康長寿医療センター研究所), 東京都健康長寿医療センター研究所, 研究員 (80848135)
山田 亨 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (10344144)
酒谷 薫 東京大学, 大学院新領域創成科学研究科, 特任研究員 (90244350)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥12,220,000 (Direct Cost: ¥9,400,000、Indirect Cost: ¥2,820,000)
Fiscal Year 2024: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
Fiscal Year 2023: ¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
Fiscal Year 2022: ¥6,760,000 (Direct Cost: ¥5,200,000、Indirect Cost: ¥1,560,000)
|
|---|
| Keywords | 時間分解分光法 / TRS-NIRS / 脳萎縮度 / 認知機能スクリーニング / 認知症リスク / TNIRS / 脳溝 / 光路長 / スクリーニング / 認知症 |
|---|
| Outline of Research at the Start |
本研究は時間分解分光法（TRS-NIRS）を用いて軽度認知機能障害（MCI）を簡便にスクリーニング検査する手法の確立を目的としている。TRS-NIRSから頭部内に照射される近赤外光の平均光路長（OPL）が変化する一方で，脳萎縮に伴う脳脊髄液層（CSF層）の厚さや脳溝の広がりの変化がOPLに直接与える影響は現時点で不明である。本研究では脳萎縮に伴うOPLの変化を光伝播シミュレーションとファントム実験により明らかにしつつ，認知症や脳萎縮とOPLの関係についての臨床検査データおよびシミュレーションデータに基づく教師付き学習モデルからMCIを予測する手法を提案する。
|
| Outline of Annual Research Achievements |
本研究の目的は、時間分解分光法(TRS-NIRS)を用いた軽度認知機能障害(MCI)のスクリーニング手法の確立である。脳萎縮に伴う脳脊髄液層(CSF層)の厚さや脳溝の広がりが近赤外光の平均光路長に影響を与えることが分かっているが、その具体的な影響は不明である。本研究では、光伝播シミュレーションやファントム実験を用いて脳萎縮と平均光路長の関係を明らかにし、教師付き学習モデルを用いてMCIを予測可能な手法を開発することを目指す。この手法は、低コストで入手可能な計測データを用いて、高い精度で軽度認知症のスクリーニングを実現することが期待される。研究の一環として、新たなTRS-NIRS計測を行い、MRI計測結果から算出される脳萎縮度と比較する横断的研究を実施している。
今年度は，12月に倫理審査委員会の承認を得ることができたため，目標とする20例前後の解析を開始した。これまでのTRS-NIRS計測結果からは，仮説を支持する脳萎縮度と平均光路長の関係が示されているが，脳萎縮度を推定するための有効な特徴量を抽出するには，研究期間内でのサンプルサイズが不足することが予想される。
したがって次年度では，統計結果を基にファントム実験や脳機能シミュレーションを実施するだけでなく，CTGAN（Conditional Tabular Generative Adversarial Network）と呼ばれるテーブルデータを生成する敵対的生成ネットワーク（GAN）を積極活用し，限られたサンプルサイズで妥当性の高い予測モデルを生成し，探索的な分析手法で脳萎縮度を推定するための特徴量を明らかにする。
|
| Current Status of Research Progress |
Current Status of Research Progress
4: Progress in research has been delayed.
Reason
TRS-NIRS計測結果と紐づいているMRI計測結果を解析するために，倫理審査の審査を経ている必要はあるが，研究代表者の機関の医学部で中央一括審査を行う必要があるために1年以上を経て令和5年12月に倫理審査委員会の承認を得た段階である。
その間，別の課題として敵対的生成ネットワーク（GAN）を積極活用し，限られたサンプルサイズで妥当性の高い予測モデルを生成するアルゴリズムを考案し，その有効性を検証した。TRS-NIRS計測結果とは異なる血液検査結果を入力したときの予測結果のロバスト性が向上することを明らかにした。TRS-NIRS計測結果から新特徴量を抽出するアルゴリズムを提案する方法の成果として，現在論文化を進めている。
|
| Strategy for Future Research Activity |
次年度では統計結果を基にファントム実験や脳機能シミュレーションを実施するだけでなく，テーブルデータを生成するCTGANを積極活用し，限られたサンプルサイズで妥当性の高い予測モデルを生成し，探索的な分析手法で脳萎縮度を推定するための特徴量を明らかにする。その過程で，TRS-NIRSの結果の一部と紐づいた被験者のMRI計測結果からCSF層の厚さや脳溝の幅を求め，その統計結果に基づいてファントム実験や脳機能シミュレーションを実施を試みて，その結果から脳萎縮度を推定するための特徴量を見出す。それと同時に，脳萎縮度を目的変数として酸素飽和度や平均光路長等を説明変数としたときの回帰分析や検定を行い，脳萎縮度の推定可能性を検証する。
|
