認知症早期診断に向けた人工知能によるあたらしい網膜イメージングシステムの開発

2023 Fiscal Year Research-status Report

• Project/Area Number: 23K09732
• Research Institution: 独立行政法人国立病院機構(東京医療センター臨床研究センター)
• Principal Investigator: 佐々木 真理子 独立行政法人国立病院機構(東京医療センター臨床研究センター), その他部局等, 研究員 (60276342)
• Co-Investigator(Kenkyū-buntansha): 平野 仁一 慶應義塾大学, 医学部(信濃町), 講師 (60574910) ; 羽入田 明子 慶應義塾大学, 医学部(信濃町), 助教 (70815943)
• Project Period (FY): 2023-04-01 – 2027-03-31
• Keywords: 認知症 / 網膜 / 光干渉断層計 / 人工知能

Outline of Annual Research Achievements

（研究背景と目的）
認知症患者は急速に増加しており、個人はもとより、社会的損失、介護、医療などによる経済的損失は計り知れない。早期の発見、介入が重要であるが、MRIや脊髄液による診断は時間や費用、侵襲性の点からスクリーニングに適さない。そのため、網膜イメージングが、非侵襲的に脳を病理学的に評価する手段として注目されている。我々はすでに、疫学コホート・目とこころの検診により、網膜厚と認知症の関連を明らかにしている。本研究は、人工知能を用いて、これまでに行った疫学研究で得られた認知機能評価、眼科網膜イメージングデータ（眼底写真・OCT画像）から、認知機能や認知症、軽度認知障害を推定する機械学習モデルを作成、検証し、あたらしい認知機能の評価ツールとして応用することを目的とする。
（研究計画と方法）先行研究で作成した眼底検査結果、網膜厚・脈絡膜厚などのOCT測定値、その他の眼科検査、個人の背景情報を統合したデータセットと認知機能データとの関連を機械学習を用いて解析し、SHAP（SHapley Additive exPlanations）を用いてリスク因子を同定する。また、画像ファイルから、深層学習モデルを作成する。深層学習モデルは入力画像データの種類により、複数作成し、その性能を比較、SHAPを用いて解釈性を探求する。モデル作成が完了したのち、国内他コホートデータでの検証を行ったうえ、作成したいくつかの推定モデルを評価し、検証を行う。
（令和５年度の計画と実績）
予定していた、先行研究による数値化した網膜イメージングデータと認知機能との機械学習を用いた関連解析は予定通り終了した。また、眼底写真、OCTイメージを解析可能な画像ファイル形式（JPEG）として取り出し、データと紐づけ可能なIDを付与する作業もAIを用いることにより当初の予定に先んじて終了した。

Current Status of Research Progress

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

Reason

前述の如く、当初の予定通り計画は進行している。予定していた先行研究による数値化した網膜イメージングデータと認知機能との機械学習を用いた関連解析は予定通り終了した。また、眼底写真、OCTイメージを解析可能な画像ファイル形式（JPEG）として取り出し、データと紐づけ可能なIDを付与する作業もAIを用いることにより当初の予定に先んじて終了した。

Strategy for Future Research Activity

現在、研究計画通り進捗している。本年度は前年度に作成した画像ファイルを取り込み、実際に深層学習モデルを作成する。深層学習モデルは入力画像データの種類により複数作成し、その性能を比較する。

Causes of Carryover

現在、学会発表、論文作成を先行するか、知財関連の権利を取得するか、知財関連の調査を行い調整中である。そのため、学会発表、論文作成のために使用する予定であった費用が持ち越された。また、画像データ処理・ 資料整理を研究員を介さず、AIを用いることにより効率的に行うことがき、費用を削減できた。現在、海外学会旅費、論文投稿費が高騰しているため、当初の予算を上回る可能性が高く、次年度に持ち越し使用したい。