• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to previous page

脳卒中のAI画像解析とポリジェニックモデルによる関連遺伝子座の相関性分析

Research Project

Project/Area Number 24K10848
Research Category

Grant-in-Aid for Scientific Research (C)

Allocation TypeMulti-year Fund
Section一般
Review Section Basic Section 52040:Radiological sciences-related
Research InstitutionNippon Medical School

Principal Investigator

青木 淳哉  日本医科大学, 医学部, 准教授 (00454819)

Co-Investigator(Kenkyū-buntansha) 木村 和美  日本医科大学, 大学院医学研究科, 大学院教授 (00388927)
下山 隆  日本医科大学, 医学部, 准教授 (00509325)
鎌谷 洋一郎  東京大学, 大学院新領域創成科学研究科, 教授 (00720880)
関根 鉄朗  日本医科大学, 医学部, 准教授 (00747826)
山口 博樹  日本医科大学, 大学院医学研究科, 大学院教授 (90297937)
松田 浩一  東京大学, 大学院新領域創成科学研究科, 教授 (90401257)
Project Period (FY) 2024-04-01 – 2028-03-31
Project Status Granted (Fiscal Year 2024)
Budget Amount *help
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2027: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2026: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2025: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2024: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
KeywordsAI画像解析 / DWI / FLAIR / 脳卒中関連遺伝子 / 画像所見
Outline of Research at the Start

世界20か国以上の研究グループから成るMEGASTROKE・GIGASTROKE研究により、約20万例の脳血管障害患者の遺伝子解析が行われ、89の脳卒中関連ゲノタイプ情報(疾患感受性座位および関連性が高いSNPs)が明らかになった。しかし大規模研究であり、画像所見との関係は明らかにされていない。
我々は、バイオバンク・ジャパンに登録されたゲノム情報の確定した脳血管障害患者の頭部画像所見(全脳体積、白質病変体積、梗塞体積、血管狭窄・閉塞、脳動脈瘤・微小脳出血)を人工知能を用いて解析し、89SNPsとの関連を研究することで、我が国における脳卒中関連遺伝子のゲノタイプと画像的特徴の関連を解明する。

Outline of Annual Research Achievements

日本医科大学の関連病院である付属病院、北総病院、武蔵小杉病院、多摩永山病院の4施設において、バイオバンク・ジャパンに登録された症例データを活用した研究に取り組んでいる。本研究の主な目的は、脳卒中に関連する遺伝子のゲノタイプと、各症例の詳細な臨床情報、さらに頭部画像所見を組み合わせた解析モデルを構築することであり、将来的には個別化医療の実現や、脳卒中の予測・診断・治療方針の最適化に貢献することを目指している。研究対象となる症例の頭部画像データは、主にMagnetic Resonance Imaging (MRI)およびMagnetic Resonance Angiography (MRA)の検査画像を使用しており、これらのデータは医療標準フォーマットであるDigital Imaging and Communications in Medicine (DICOM)ファイルとして取得している。取得した画像データは、富士フイルム社が提供する医用画像解析プラットフォーム「SYNAPSE Creative Space」を用いて、精密な画像解析を実施している。AIセグメンテーションに基づく梗塞体積、全脳体積、及び白質の評価モデルを作成しする。また、AIディテクション技術を活用し、頭蓋内の血管狭窄・閉塞、脳動脈瘤、微小出血の3項目を解析する。AIモデル作成を行うことで、AIを活用した高度かつ多角的な解析が可能である点が特徴である。今後の課題としては、AIによる自動測定結果と、専門医による手動測定結果との間の一致率(再現性・信頼性)を高めることが挙げられる。これにより、解析モデルの臨床応用可能性を高め、実際の診療現場での活用を見据えた信頼性の高い画像解析フレームワークの確立を目指していく。

Current Status of Research Progress
Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

令和6年度には、AIセグメンテーション技術を用いた脳梗塞の体積測定および全脳体積の自動評価に関する新たな取り組みを開始した。まず、脳梗塞の体積測定については、急性期の梗塞をより明瞭に描出できる拡散強調画像(Diffusion Weighted Imaging:DWI)を活用して解析を行っている。脳梗塞巣の形態や大きさ、個数などは、脳梗塞の原因病態に大きく依存しており、心原性脳塞栓症では広範で単発の梗塞が多い一方、アテローム血栓性脳梗塞やラクナ梗塞では、多発性で小さな病変が観察されることがある。また、頭蓋内の主幹動脈、すなわち内頸動脈、中大脳動脈、椎骨動脈、脳底動脈、後大脳動脈といった主要血管における閉塞や高度狭窄の有無も、梗塞巣の分布や体積に大きな影響を与える要因である。このような多様性を考慮し、本研究では、まず解析のバリエーションを抑える目的で、均一な条件下におけるモデル構築を優先し、内頸動脈系の閉塞症例に限定したAI解析モデルの作成から着手している。これにより、アルゴリズムの精度向上や誤差の検証が行いやすくなり、段階的に複雑な症例に対応していくための基盤を整備している。全脳体積の評価に関しては、FLAIR(Fluid Attenuated Inversion Recovery)画像を用いて解析を行う方針としている。FLAIR画像は、脳実質と脳脊髄液を含む脳室系との信号強度に明確な差異があり、脳実質の領域抽出が比較的容易であるという利点を有している。しかしながら、骨や頭蓋外の軟部組織と脳実質の間では信号強度の差がそれほど明瞭ではないため、正確な脳境界の抽出にはさらなる工夫が求められる。AIによる解析においても、頭蓋外構造との誤認識を避けるための前処理や学習データの工夫が重要である。

Strategy for Future Research Activity

今後は、AIを用いた画像解析の高度化にさらに取り組んでいく。現在構築中のAIセグメンテーションに基づく梗塞体積および全脳体積の測定モデルに続き、次の段階として白質の評価モデルの作成を開始する予定である。また、AIディテクション技術を活用し、頭蓋内の血管狭窄・閉塞、脳動脈瘤、微小出血の3項目を対象とした解析モデルの構築にも取り組む。血管病変の解析においては、これまでの梗塞体積測定で得た知見を活かし、まずは内頸動脈および中大脳動脈の閉塞例に焦点を当てたモデルから作成を開始する。特に、内頸動脈の頭蓋内ポーションおよび中大脳動脈の水平部に注目し、AIセグメンテーションを用いることで閉塞の有無を精度高く評価できると考えている。最終的には、これら6つのAI画像解析モデルを構築し、ゲノムワイド関連解析(GWAS)によって脳卒中との関連が示された89のSNPsを基に、脳梗塞に関するポリジェニックリスクスコア(PRS)を算出する。そして、このPRSとAIで定量化した頭部画像の6項目との関連性を検討する。PRSが高値を示す症例では、頭部画像所見において複数の異常所見を呈する頻度が高いと予測している。

Report

(1 results)
  • 2024 Research-status Report

URL: 

Published: 2024-04-05   Modified: 2025-12-26  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi