人工知能を活用したドパミン機能画像によるシヌクレノパチー早期診断システムの確立

2021 Fiscal Year Research-status Report

• Project/Area Number: 20K08021
• Research Institution: Osaka University
• Principal Investigator: 高橋 洋人 大阪大学, 医学系研究科, 准教授 (20617352)
• Co-Investigator(Kenkyū-buntansha): 鈴木 裕紀 大阪大学, 医学系研究科, 特任助教(常勤) (20845599)
• Project Period (FY): 2020-04-01 – 2025-03-31
• Keywords: DAT SPECT / parkinson disease / AI

Outline of Annual Research Achievements

【背景・目的】DAT-SPECTは、線条体のドパミントランスポーター(DAT)の分布を可視化し、DATの減少を伴うパーキンソン病（PD）の診断に利用される。今回、早期PDとその前駆病態であるレム睡眠時行動異常症（RBD）への機械学習を用いた診断有用性を検討した。
【方法・対象】早期PD群（Hoehn and Yahrスケール：1-2の16人）、RBD群（9人のフォローを含む27例）、正常群（CO: control）として本態性振戦（ET）群（48人）のDAT画像を用いた。DAT画像からSpecific binding ratio(SBR)画像を作成し、線条体に対し自動セグメント機能を使用した最大断面のみのセグメント（Se1）、手動で最大断面と上下1断面のセグメント（Se2）、手動で最大断面のみのセグメント（Se3）にて、それぞれの抽出した特徴量（最大値、平均値、標準偏差、中央値、四分位範囲）を用いて各群間の鑑別能をROC解析にて評価した。また、訓練データとテストデータのET、RBD、PDの数が等しくなるよう分割し、ロジスティック回帰分析と10分割交差検証を組み合わせSe1～3の特徴量で分類した場合の精度を検証した。
【結果】各群間の比較でセグメント間に差はなくAUCはCOvsRBDで約0.74、COvsPDで約0.96、RBDｖｓPDで約0.91だった。ロジスティック回帰分析はSe2の精度が高かった。
【結論】DAT-SPECT画像での機械学習を用いた線条体評価は、早期PDとその前駆病態であるRBDに対し高い診断能を示した。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

データ収集、解析、また得られた結果ともprelimminary studyとして十分な結果が得られた。

Strategy for Future Research Activity

今回の結果から、データ収集から解析までの大まかな流れを構築できた。
今後は、症例を増やし、また解析などの機械学習の手法に工夫を加え、研究を進めて行く。

Causes of Carryover

論文の英文校正費や国際学会への参加、出張費に必要