Probability of "hostile neck" diagnosis of abdominal aortic aneurysm using machine learning.

• Project/Area Number: 25K00306
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 52040:Radiological sciences-related
• Research Institution: Nagoya City University
• Principal Investigator: 岩田 賢治 名古屋市立大学, 医薬学総合研究院(医学), 助教 (20990691)
• Co-Investigator(Kenkyū-buntansha): 樋渡 昭雄 名古屋市立大学, 医薬学総合研究院(医学), 教授 (30444855) ; 太田 賢吾 名古屋市立大学, 医薬学総合研究院(医学), 講師 (70790062) ; 橋爪 卓也 名古屋市立大学, 医薬学総合研究院(医学), 准教授 (80611582) ; 木曽原 昌也 名古屋市立大学, 医薬学総合研究院(医学), 助教 (90906231)
• Project Period (FY): 2025-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2027: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000); Fiscal Year 2026: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000); Fiscal Year 2025: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
• Keywords: 機械学習 / 腹部大動脈瘤 / EVAR

Outline of Research at the Start

腹部大動脈瘤に対するステントグラフト内挿術（EVAR）は低侵襲治療として普及しているが、成功には中枢側血管の解剖学的適応が重要で、短い近位ネック（<15mm）や過度の屈曲（>90度）などの「Hostile neck」症例では治療困難性が高まる。従来、造影CTによる術前評価は術者間で判断差が生じる課題があった。本研究では機械学習を導入し、大量のCT画像データから「Hostile neck」の客観的診断モデルを構築することで、治療適応判断の精度向上を目指す。正確な診断はEVARの成功率向上と再治療リスク低減につながり、医療経済的メリットが期待される。