Development of advanced quantitative MRI of placental invasion

2022 Fiscal Year Research-status Report

• Project/Area Number: 20K16687
• Research Institution: Tohoku University
• Principal Investigator: 佐藤 友美 東北大学, 大学病院, 助教 (80746149)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Keywords: 癒着胎盤 / MRI / 機械学習 / AI

Outline of Annual Research Achievements

東北大学病院AIラボと連携し、機械学習を用いた、癒着胎盤のMRI画像診断研究を行った。一般的には日常診療において、放射線科医が画像読影する際には、画像だけではなく、幅広い臨床情報を考慮に入れる。機械学習においても、画像データのみの学習ではなく、放射線科医が考慮に入れるような臨床情報を組み込んだ予測モデルが有用ではないかと考え、本研究では、臨床情報を組み込む方法を採用した。
画像データは放射線診断専門医が、AIラボ内で作成されたソフトウェアを用いて、手動で胎盤輪郭を囲い、領域抽出したものを用いた。臨床情報は、癒着胎盤のリスク要因として知られている、帝王切開の既往などを採用した。画像データのみ、臨床情報のみ、画像データ＋臨床情報のそれぞれの予測モデルを比較すると、画像データ＋臨床情報の予測モデルが最も高いAUCを示した。
画像と臨床情報を与えられた状態での放射線科医の読影実験との比較も行った。産婦人科領域を専門とする放射線診断専門医、産婦人科領域を専門としない放射線診断専門医、専攻医との比較では、機械学習による画像データ＋臨床情報の予測モデルは、産婦人科領域を専門とする放射線診断専門医と同等のAUCを示し、婦人科領域を専門としない放射線診断専門医、専攻医よりも高いAUCを示した。
本研究では、既存の研究よりも簡便なモデル（convolutional neural network）を用いているにもかかわらず、高い診断能を達成しており、将来の臨床への機械学習の応用を考慮する点でも意義があると考える。

Current Status of Research Progress

4: Progress in research has been delayed.

Reason

胎盤輪郭を囲んで領域抽出するためのソフトウェアの作成や調整に、時間を要したため。

Strategy for Future Research Activity

本研究の予測モデルは簡便にも関わらず、癒着胎盤MRIの画像診断において、高い診断能を示した。これまでのところ用いた画像データはT2強調画像のみであったが、拡散強調画像やコヒーレント型GREシーケンスのデータを入力した予測モデルも検証したい。

Causes of Carryover

新型コロナウイルス流行の影響で、学会等がオンライン形式の開催を採用していたため、旅費の使用がなかった。