| Project/Area Number |
21KK0183
|
|---|
| Research Category |
Fund for the Promotion of Joint International Research (Fostering Joint International Research (B))
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Medium-sized Section 62:Applied informatics and related fields
|
|---|
| Research Institution | Nara Institute of Science and Technology |
|---|
Principal Investigator |
小野 直亮 奈良先端科学技術大学院大学, データ駆動型サイエンス創造センター, 准教授 (60395118)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
飯田 秀博 奈良先端科学技術大学院大学, 先端科学技術研究科, 客員教授 (30322720)
下地 佐恵香 奈良先端科学技術大学院大学, 先端科学技術研究科, 研究員 (50791563)
高下 大貴 新潟大学, 自然科学系, 助教 (91005933)
|
|---|
| Project Period (FY) |
2021-10-07 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,810,000 (Direct Cost: ¥13,700,000、Indirect Cost: ¥4,110,000)
Fiscal Year 2026: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2025: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2024: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2023: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2022: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2021: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
|
|---|
| Keywords | 全身PETイメージング / 深層学習 / 灌流解析 / PETイメージング / 深層学習モデル / 診断支援 / 冠動脈疾患 / 代謝疾患 / 診断支援モデル / PET画像 / 腎臓Perfusionモデル / 長期コホート解析 |
|---|
| Outline of Research at the Start |
糖尿病や重篤な肥満のような慢性的な代謝疾患の予防と治療は高齢化社会における Quality of Life の向上のために重要な課題であるが、その病態は食習慣などの生活習慣、遺伝的背景など複数の要因が複雑に絡んでいることから未解明の部分が多い。PETは血流の変化や代謝物質の動態を非侵襲的に直接測定可能な強力な診断手法であり、心冠動脈疾患や腫瘍の診断など幅広い分野で応用されている。本研究では、精度の高い測定データとTurku大学の持つ大規模な症例サンプルの蓄積に基づき、経験ベイズを利用した確率モデルを用いて代謝状態の比較を行い、診断支援手法を確立することを目的とする。
|
| Outline of Annual Research Achievements |
本研究では、全身PETイメージングに基づく定量的解析技術の開発を目的として、深層学習と数理モデルを統合した灌流機能画像の自動抽出手法を構築した。特に、2024年に発表されたTeuhoらの論文（NeuroImage, 2024）では、心筋灌流画像における深層学習の応用が報告されており、これを基盤として大動脈の自動セグメンテーションとinput functionの抽出、single compartment model に基づく各画素単位での血流係数マップの生成を可能にした。これにより、従来は専門家によるROI設定が必要だった定量解析を、統一的かつ高精度に自動化する基盤を確立し、腎臓や肝臓などの臓器に対する灌流機能評価にも応用可能なアルゴリズムの汎用化が進んだ。本手法は、全身PETの特長を最大限に活かした新たな診断支援ツールの実現に寄与するものであり、今後の臨床研究や創薬研究への展開が期待される。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2024年度には以下の2点において大きな進展があった。第一に、Total Body PET画像の時系列データから大動脈領域を自動的にセグメンテーションする深層学習ベースのアルゴリズムを構築した。空間解像度の低いPET画像においても、動脈血の時間放射能濃度の変化を安定して抽出可能なモデルを開発し、input functionの非侵襲的取得が実現した。第二に、このinput functionを用いて、各ボクセル単位でsingle compartment modelを適用する灌流解析法を確立した。これにより、臓器の血流動態を高精度に定量化する機能画像が得られ、腎臓、肝臓、脳など複数臓器への応用が可能になった。これらのアルゴリズムは、全身PET装置Carimasへの実装を視野に入れて最適化が進められており、研究基盤としての整備が順調に進行している。
|
| Strategy for Future Research Activity |
開発した手法により、臓器ごとの血流を非侵襲的かつ定量的に計測できる体制が整った。今後はこの技術を実際の被験者データに適用し、インシュリンの投与による腎臓血流の変化、運動負荷後の骨格筋への血流分布の変化、さらに認知課題施行時の脳領域ごとの血流応答など、ホルモン・行動・臓器機能の連関解析に取り組む予定である。特に、全身臓器の同時撮像を可能にするTotal Body PETの特性を活かし、全身性の血流再分配や臓器間の相互作用を時間軸で可視化・定量化することで、従来にはない包括的な代謝ネットワークの評価が可能になる。さらに、得られたデータは新規診断薬や治療介入の効果判定指標としても利用でき、Carimas等へのアルゴリズム統合とともに、医療現場への応用に向けた実装研究を進める。
|
