超選択的副腎静脈支脈採血の普及・成功率上昇のための深層学習を用いた新規AI開発

2022 Fiscal Year Research-status Report

• Project/Area Number: 21K15789
• Research Institution: Keio University
• Principal Investigator: 田村 全 慶應義塾大学, 医学部(信濃町), 助教 (50594602)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: 原発性アルドステロン症 / 副腎静脈採血 / 深層学習 / 人工知能

Outline of Annual Research Achievements

原発性アルドステロン症は代表的な二次性高血圧症であり、副腎静脈サンプリングはその治療方針決定において不可欠な検査である。昨今では超選択的な区域別副腎静脈支脈採血によってアルドステロン産生腺腫の局在を明らかにすることにより、副腎部分切除術による機能温存が可能な場合がある。しかし、副腎静脈サンプリングは難易度が高く、また区域別副腎静脈支脈採血は一般的に普及しているとは言い難い。本研究では術前造影CTから右副腎静脈同定、カテーテル選定を行う人工知能モデルを開発することにより、超選択的副腎静脈支脈採血の普及・成功率上昇に寄与し、多数の患者に対してより適切な医療を選択することを広く可能とすることを目的とする。術前造影CTから右副腎静脈同定を行う人工知能モデルを開発するために必要な教師モデルを作成するため、2013年4月から2021年3月に施行された副腎静脈サンプリング 392例を対象として、必要な画像データの揃っている症例を検討し、369例が抽出された。本年度はこれらの症例を対象として、副腎静脈サンプリングおよび副腎の画像診断に精通する放射線診断専門医2名により、術前造影CTにおいて、術中Cone-beam CTを参照基準として右副腎静脈を同定し、教師データを作成した。教師データ作成においてはペン入力可能な液晶タブレットを使用することにより、一スライスごとに右副腎静脈の同定、抽出をおこなった。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

データ処理に時間を要しており、やや遅れている。

Strategy for Future Research Activity

来年度は教師データにより、人工知能モデルによる術前造影CTでの右副腎静脈同定、推奨カテーテル選定アルゴリズムを作成しする。このアルゴリズムにより昨年度施行された副腎静脈サンプリングにおける右副腎静脈同定、推奨カテーテル選定の診断精度を評価する。さらにProspectiveに人工知能モデルによる術前造影CTでの右副腎静脈同定、推奨カテーテル選定を行い、術者は結果を参照して副腎静脈採血を行い手技の成功率や合併症の発生率、使用カテーテル本数、手技時間などを評価する。ただし、コロナ禍による検査数の減少により、2020～2021年にかけて症例数の減少があり、教師データ作成に十分な症例数を確保できない可能性がある。その場合は教師データ作成の対象とする期間を延長する可能性がある。

Causes of Carryover

引き続きのコロナ禍により、予定していた海外学会への参加が困難となり、旅費の支出が減少した。また、放射線診断専門医の協力が無償で得られることとなったため、人件費の支出がなかった。来年度はコロナ流行の改善に伴い、学会への出席が可能となるため、旅費としての支出が増加する予定である。また、データ保存目的のハードディスク購入や更なる効率的なデータ入力のために必要なタブレット関連物品の購入を予定している。