Integrated analysis of MEG and PETdata for MRI-negative refractory epilepsy.

2021 Fiscal Year Research-status Report

• Project/Area Number: 20K08124
• Research Institution: National Institutes for Quantum Science and Technology
• Principal Investigator: 高橋 美和子 国立研究開発法人量子科学技術研究開発機構, 量子医科学研究所 先進核医学基盤研究部, 主幹研究員 (00529183)
• Co-Investigator(Kenkyū-buntansha): 湯本 真人 群馬パース大学, 附属研究所, 研究員 (30240170) [Withdrawn] ; 代田 悠一郎 東京大学, 医学部附属病院, 講師 (60804143) ; 國井 尚人 東京大学, 医学部附属病院, 講師 (80713940) ; 岩男 悠真 国立研究開発法人量子科学技術研究開発機構, 放射線医学総合研究所 先進核医学基盤研究部, 研究員(任非) (40758330)
• Project Period (FY): 2020-04-01 – 2023-03-31
• Keywords: てんかん / FDG-PET / MRI / 脳糖代謝

Outline of Annual Research Achievements

MRIなど形態学的脳画像では異常所見を認めない難治性てんかんでは、FDG-PET、MEGが焦点診断に中心的な役割を担う。特にFDG-PETでは、てんかん原性領域を中心に非発作時の局所脳糖代謝率が低下する。低下の感度は高いため、まず、FDG集積の低下域を同定することで、てんかん原性領域の絞り込みを行い、MEGデータを反映させる手法を検討した。一方で、FDG集積の低下の感度は高いものの、その程度は軽微であることも多く、FDG-PETにおける低下領域を精度良く検出するため、比較対照となる脳糖代謝分布データを取得し、各領域の特徴を明らかにした。具体的には、健常成人男性のボランティアを募り、12人（22歳から45歳）を対象にFDG-PETを実施し、局所の脳代謝分布を解析した。同日にMRI（T1WI、T2WI、FLAIR、MRA）を実施し異常所見がないことを確認したうえで、PET画像をMRI画像へ位置合わせを行い、各脳領域の平均SUV値と標準偏差値を明らかにした。さらに脳領域ごとに年齢による変化を解析し、年齢による変化の有無とその程度を明らかにした。
Deep learningによる解析手法では、FDG-PET画像上に、てんかん焦点領域を絞りこむため、ネットワークが認識時に注視した領域を同定する手法の検討を行った。まず、前処理として、少数データでも行える画像処理法について検証を行い、続いて、可視化による領域同定を検討した。また、Deep learningではない、すでに確立している画像解析手法との関連付けを行うため、従来行われてきた領域分割による手法を応用し、Deep learningの推定精度の変動に着眼した手法など複数検討し、これらの計算を高速で行えるプログラミングと計算環境の整備を行った。

Current Status of Research Progress

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

Reason

R3年度は、MRI上異常のないてんかん原性領域を精度よく検出するための正常データの取得と解析を行い、各領域の平均値、ばらつき、さらに、年齢による変化を明らかにすることができた。
Deep larningによる解析について複数の手法の検討が進み、解析環境が整った。

Strategy for Future Research Activity

定例会議にて検討してきた症例のうち、外科治療が有効であった症例を抽出し、これまでに確立してきた手法、正常データを用いて解析を進める。

Causes of Carryover

今年度は、昨年度購入した解析ワークステーションを利用し、ソフト開発を行ったため。次年度は情報収集および成果に対する意見を得るため、学会発表を行う予定で、その参加費、移動費に使用する。