2017 Fiscal Year Annual Research Report
Automatic differential dementia diagnosis using brain FDG-PET, MRI, and machine learning
Project/Area Number |
15K09982
|
Research Institution | Tokyo Metropolitan Geriatric Hospital and Institute of Gerontology |
Principal Investigator |
坂田 宗之 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 (00403329)
|
Project Period (FY) |
2015-04-01 – 2018-03-31
|
Keywords | 認知症 / 鑑別診断 / PET / MRI / 機械学習 / アルツハイマー型認知症 |
Outline of Annual Research Achievements |
本研究は、FDG-PETおよびMRIを用いた認知症自動鑑別診断支援の実現を目的とし、被験者の画像からアルツハイマー病(AD)、前頭側頭型変性症(FTD)、びまん性Lewy小体病など(DLB)、認知症の原因疾患の鑑別を行い、疾患特異度と進行度を出力することで認知症の鑑別診断支援を行う仕組みの実現を目指している。 平成29年度は、前年度までの研究で構築した、サポートベクターマシンを用いて脳FDG-PETデータを健常群(NL)、AD、FTD、DLBの各群に自動識別を行う仕組み、およびMRIを用いた高精度な解剖学的標準化を用いた健常群との比較(SPM解析)などを認知症などを対象とした研究データに適用し、自施設の読影会等で実際に使用して使用経験を得た。これまでおおむね良好な結果を得ているが、臨床の診断や医師による読影結果と異なる結果が出る原因としては、脳の萎縮による影響およびMRIの計測歪みや解剖学的標準化の誤差などの影響などが多く挙げられた。また、新たに計測されたPET画像は、本研究で機械学習を行うのに使用したPET画像群を計測したPET専用機とは異なり、後に導入されたPET/CTでの計測が進められているため、機種間差等の影響も検討する必要がある。現在までの検討では、ROI平均値を特徴量としているため、機械学習による自動識別においては、機種間差の影響はボクセル値を用いるSPM解析よりも影響が少ない傾向を示しているが、その影響や補正法については引き続き検討する必要がある。 また、最終年度として、これまでの研究成果を日本核医学会学術総会(2017年10月、横浜)および欧州核医学会(2017年10月、ウィーン)などで学術発表を行った。
|