2024 Fiscal Year Annual Research Report
AIを活用したアナフィラキシーのRadiomics解析による検出手法の開発
| Project/Area Number |
21K12763
|
|---|
| Research Institution | Fujita Health University |
|---|
Principal Investigator |
服部 秀計 藤田医科大学, 医療科学部, 准教授 (70351046)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
寺本 篤司 藤田医科大学, 保健学研究科, 教授 (00513780)
大野 良治 藤田医科大学, 医学部, 教授 (30324924)
安田 あゆ子 藤田医科大学, 大学病院, 教授 (30402613)
太田 誠一朗 藤田医科大学, 医学部, 講師 (80726688)
外山 宏 藤田医科大学, 医学部, 教授 (90247643)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Keywords | アナフィラキシー / ヨード造影剤 |
|---|
| Outline of Annual Research Achievements |
本研究は、ヨード造影CT検査に伴うアナフィラキシー症状を早期に検出・予測する診断支援技術の構築を目的に実施した。背景として、ヨード造影剤アナフィラキシーは発症から20分以内に重篤化するため、異常察知と初期介入の迅速化が求められる。しかし、FMEA（Failure Mode and Effect Analysis）を実施し、リスク要因を徹底的に洗い出したところ、①副作用既往歴のリアルタイムな共有システムの未整備、②撮影時の症状発見・判断の困難、という二大課題が明らかとなった。そこで本研究では、①視覚的評価、②IVC領域の機械学習解析、③肺野の定量的なRadiomics解析という三つのアプローチを段階的に検討した。
第１に、ECR 2023で発表した視覚的評価では、造影CT画像上の末梢肺血管拡張、気管支狭窄、気管支壁肥厚、IVC狭小化とアナフィラキシー発症との強い関連を明示した（OR：11.1～1.4×10^4、p<0.001）。第２に、CARS 2023でのIVCの狭小化について機械学習をおこなった解析では、Naive Bayes、SVM、Random Forest、Neural Networkの四手法を比較し、Random Forestが90.2％±2の高精度で発症群を分類可能であることを示した。第３に、RSNA 2024で発表した肺野定量評価では、非造影CTと造影CT間の気管支内腔ピクセル変化率が、正常群で増加、アナフィラキシー群で有意減少を示し（p＝0.016、p＝0.0031）、群間でも統計的差異を確認した（p＝0.00015、0.0067）。これら三段階の成果により、撮影中・直後のCT連続画像からAIとRadiomicsを用いて前兆サインを自動抽出し、リアルタイムアラートを発信するシステム基盤を確立しつつある。
|
