Deep Learning-based prediction model of vertebral rotational deformity in idiopathic scoliosis

• Project/Area Number: 25K19898
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 56010:Neurosurgery-related
• Research Institution: Gunma University
• Principal Investigator: 本田 哲 群馬大学, 医学部附属病院, 助教 (10843253)
• Project Period (FY): 2025-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000); Fiscal Year 2027: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2026: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2025: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
• Keywords: 特発性側弯症 / 深層学習 / 椎体回旋変形

Outline of Research at the Start

特発性側弯症の診断と治療において椎体の回旋変形を評価することは重要である。その際３次元的な評価が必要不可欠であるが、これには通常CT検査が必須である。患者への放射線被曝などの問題からCT撮影は頻繁には行われておらず、回旋変形の進行メカニズムについての理解も不十分な状況にある。本研究では、①人工知能の深層学習の技術を用いて、単純X線画像から特発性側弯症の椎体回旋変形を評価するモデルを開発し、②開発したモデルを応用し、椎体回旋変形を含めた特発性側弯症の進行予測モデルを構築することを目的とする。これにより、特発性側弯症の椎体回旋変形進行の病態解明、予後予測や治療方針決定の補助など臨床応用を目指す。