2020 Fiscal Year Research-status Report
AIと質量分析を用いた内視鏡検査時のリアルタイム診断支援システム
| Project/Area Number |
19K07728
|
|---|
| Research Institution | University of Yamanashi |
|---|
Principal Investigator |
吉村 健太郎 山梨大学, 大学院総合研究部, 助教 (70516921)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 迅速診断 / 質量分析 / 機械学習 |
|---|
| Outline of Annual Research Achievements |
本研究では内視鏡検査時に本体軟性部を被検者の消化管内腔に挿入したまま、糸状の素材 (ライン) で粘膜組織を採取して体外へと移送し、その検体を即時に成分分析して、悪性腫瘍を始めとする疾患を診断するための「質量分析内視鏡即時診断支援システム」を構築することを目的としている。また成分分析の結果から疾患の存在を確実に検出するために、マーカー分子の発現量比較に加えて、ロジスティック回帰やサポートベクターマシンなどの人工知能の一種である機械学習を用いた診断アルゴリズムを構築することも目的としている。
上記システムを構築するためには、検体を採取、移送するためのライン式検体採取具、採取された検体を成分分析するためのイオン化部および質量分析装置、成分分析の結果から疾患を診断するためのデータベースおよびアルゴリズムが必要である。
2020年度はライン式検体採取具を用いた生体組織の採取時における、侵襲性および検体の採取程度を厳密にコントロールするために、ラインと検体を接触させるライン式検体採取具先端の検体採取プローブの形状改良と、その性能検証を中心に進めた。また成分分析の定量性と再現性を向上させるべく、ラインの駆動速度、イオン化条件およびイオン源とラインのアライメント、質量分析条件などの検討を行った。生きたマウスの組織を対象とした検証の結果、胃、小腸および肝臓の組織を確実に採取可能であること、定量性、再現性の良い成分分析結果が得られることが確認できた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
ライン式検体採取具の改良：内視鏡鉗子孔に挿入し検体の採取、移送を行うライン式検体採取具のプローブ形状を、ラインの送りと露出が安定するように改良したことで、確実かつ低侵襲に消化管粘膜を採取することが可能となった。また全体の径を細くすることで経口内視鏡の鉗子孔にも挿入可能となった。
イオン化部の改良と質量分析装置の連結：ラインに付着した生体成分を効率的にイオン化するために、質量分析装置の脱溶媒管内にラインを通過させているが、その内部形状を改良し、さらにイオン源との位置関係を厳密に規定することにより、シグナルの検出感度と安定性が劇的に改善した。機械部分に関しては、現在の機構をもって実用レベルとなった。
性能検証：麻酔下のマウス胃および小腸粘膜と肝臓を対象にリアルタイム成分分析を試みたところ、それぞれの組織特異的な脂質および一次代謝物を検出可能であることが明らかとなった。この際、胃および小腸粘膜上皮採取後の組織からは目立った出血はなく、また組織の採取は粘膜下組織には達していなかったことから、本組織採取法の低侵襲性が示された。加えて、ラインと組織の接触を強くするか時間を長くすることで、任意に深層の組織を採取することも可能であることが確認された。
|
| Strategy for Future Research Activity |
ライン式検体採取具の実使用を想定した性能検証：完成したライン式検体採取具を経口内視鏡の鉗子孔に挿入した状態で検体採取、移送、質量分析を行う。この際、本来の内視鏡操作にどのような影響を与えるかも検証する。当初はマウス組織を対象に行うが、摘出されたヒト大腸がんの質量分析も行い、非がん部とがん部のマススペクトルパターンの違いを検出できるかを検証する。
成分分析結果の解析とがん診断アルゴリズムの構築：質量分析によって得られたマススペクトルパターンを構成するピークが、どのような生体成分に由来するか分子同定を試みる。さらに、非がん部とがん部で強度の異なるピークを抽出し、新規がんマーカー分子としての利用が可能であるかを検討する。
生体成分データベースの構築と診断アルゴリズムの構築：多数のヒト大腸がんおよびその周辺の非がん部組織を質量分析して生体成分データベースを構築し、これを機械学習してがん診断アルゴリズムを構築する。またライン式検体採取具を用いて採取された盲検検体の非がん/がん判別が可能かを検証する。
|
| Causes of Carryover |
特注が必要なライン式検体採取具を用いた多数検体の分析によるデータベース構築を予定していたが、当該課題を2021年度に行うこととなったため、消耗品費に余剰が生じた。次年度使用額は2021年度において、上記課題および高速演算が可能なコンピューターの購入に使用する計画である。
|
