深層学習による冠動脈粥腫自動診断システムの開発とその臨床応用に関する研究

2022 Fiscal Year Research-status Report

• Project/Area Number: 21K08065
• Research Institution: Kansai Medical University
• Principal Investigator: 藤井 健一 関西医科大学, 医学部, 講師 (90434943)
• Co-Investigator(Kenkyū-buntansha): 廣田 誠一 兵庫医科大学, 医学部, 教授 (50218856) ; 塩島 一朗 関西医科大学, 医学部, 教授 (90376377) ; 植田 大樹 大阪公立大学, 大学院医学研究科, 前期臨床研究医 (90779480)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: 深層学習

Outline of Annual Research Achievements

2021年度に過去に剖検を行った検体45例の剖検心から冠動脈を剥離し、体外で光干渉断層画像(OFDI)カテーテルデータを取得。その後にOFDI画像と対比した病理画像を作成し、教師データとなるOFDIと病理のペア画像を1,103ペア作成した。ディープラーニングのアルゴリズムはsemantic segmentationのPSPnetを用い、encoderとしてResNet50のアルゴリズムを用いて、ディープラーニングワークステーションへ実装した。それにより、高い精度で冠動脈不安定粥腫を同定することに成功した。2022年度は同モデルを使用して、実臨床で取得されたOFDI画像を組織性状解析し、冠動脈カテーテル治療（PCI)に与える影響について調査した。結果、深層学習モデルにより冠動脈石灰化プラークと診断された病変に対してステントを用いたPCIを行うと、ステント血栓症の原因の一つであるステント拡張不良が生じる傾向にあることが分かった。

Current Status of Research Progress

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

Reason

2022年度は深層学習のアルゴリズムを実臨床で活かせるか否かを検討したが、概ね臨床でも使用可能であることが分かり、目標を達成できたと考える。

Strategy for Future Research Activity

深層学習のアルゴリズムの精度を高めるため、教師データの数を増やして再解析する予定です。その後に、再度臨床でのPCIに与える影響についても評価を行う予定です。

Causes of Carryover

2022年度は深層学習のアルゴリズム調整が完遂できなかったため、その費用に関する支払いができておりません。2023年度にはアルゴリズムが完成する予定にて、その際に使用する予定です。