Development of advanced quantitative MRI of placental invasion

2023 Fiscal Year Research-status Report

• Project/Area Number: 20K16687
• Research Institution: Tohoku University
• Principal Investigator: 佐藤 友美 東北大学, 医学系研究科, 非常勤講師 (80746149)
• Project Period (FY): 2020-04-01 – 2025-03-31
• Keywords: 癒着胎盤 / 機械学習 / segmentation

Outline of Annual Research Achievements

前年度に引き続き、Deep learningを用いた、MRIの癒着胎盤診断モデルの開発を行った。前年度までの研究では、癒着胎盤診断モデルに用いる、MRIの胎盤の輪郭抽出は、手動で輪郭を囲むことで行っていた。この方法は、実臨床の診断プロセスに組み込むことを想定した場合に、煩雑である点と、胎盤の輪郭を囲む医師の経験や技量に、診断能が依存する可能性が課題となっていた。その課題を解決するために、当該年度に、研究協力者である、東北大学病院 AI Labの研究者らにより、MRIの胎盤の輪郭を自動的に抽出することができる、deep learning モデルが開発された（PlaNet-S: Automatic Semantic Segmentation of Placenta）。この新規の胎盤自動抽出モデルは、従来から臓器抽出に用いられてきたsegmantationモデル（U-Net）よりも、より正確にMRIの胎盤を抽出することが可能と考えられた。特に複雑な形態の胎盤の輪郭抽出にも有用と考えられた。
この胎盤自動抽出モデルを用いて、臨床情報とMRIの両方を用いた癒着胎盤診断モデルを開発し、放射線診断専門医2名との診断能を比較した。統計学的に、この癒着胎盤診断モデルは放射線診断医を上回る診断能が示された。さらに、このモデルにおける医師の介入は、臨床情報の入力と、MRIのT2強調画像矢状断の胎盤の含まれるスライスを選択するのみであり、非常に簡便である点が、実臨床での診断プロセスに補助的に組み込むことを想定した場合に、有用と考えられた。

Current Status of Research Progress

4: Progress in research has been delayed.

Reason

前年度までの遅れが、引き続き影響した。
申請者の新型コロナウイルス感染、およびその後遺症による体調不良や、申請者と研究協力者の異動による影響があった。

Strategy for Future Research Activity

現在、英文雑誌への投稿準備中である。
開発した診断モデルは、T2強調画像のみを用いており、今後は拡散強調画像も含んだモデルも検討したい。

Causes of Carryover

申請者の体調不良等により、旅費の支出が少なかった。
次年度は、英文雑誌への投稿を予定しており、英文校正費や雑誌投稿への費用に充てる。