心房細動において非不整脈時の生体情報から至適心筋焼灼部位を詮索する機械学習の開発

Research Project

Project/Area Number	22K08185
Research Category	Grant-in-Aid for Scientific Research (C)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 53020:Cardiology-related
Research Institution	Kyushu University
Principal Investigator	坂本和生九州大学, 大学病院, 助教 (80722363)
Co-Investigator(Kenkyū-buntansha)	遠山岳詩九州大学, 先端医療オープンイノベーションセンター, 助教 (00828197) 細川和也九州大学, 大学病院, 助教 (40746872)
Project Period (FY)	2022-04-01 – 2025-03-31
Project Status	Granted (Fiscal Year 2023)
Budget Amount *help	¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000) Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000) Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000) Fiscal Year 2022: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Keywords	心房細動 / カテーテルアブレーション / ディープラーニング / 機械学習 / 心筋焼灼
Outline of Research at the Start	心房細動患者数は、2020年時点で推定100万人と言われ今後さらに増加することが予想されている。心房細動に対するカテーテルアブレーションは「肺静脈隔離術」が世界的なゴールドスタンダードである一方で、肺静脈隔離のみでは奏功しない難治性心房細動が多く存在する。これは、術中に肺静脈以外の不整脈基質が同定できず、アブレーション術者の経験に依存せざるを得ない現行治療の限界と言える。そこで、機械学習を利用して非発作時の生体情報(12導心電図＋3次元マップ)から心房細動の不整脈基質（肺静脈起源・非肺静脈起源・心房頻拍）を分類し、必要に応じた追加治療を提案する機械学習モデルの開発。
Outline of Annual Research Achievements	本研究は、心房細動に対するカテーテルアブレーション時の電気生理学所見から心房細動の病因を明らかにして至適治療部位を決定する、機械学習アルゴリズムを用いた予測モデルを開発することを目的としている。初年度の2022年度は、心房細動アブレーションのデータベース構築は終了。2023年度は約1000症例の臨床情報およびカテーテルアブレーション時の3次元マップの収集が終了した。データクリーニングとともにディープラーニングに使用する画像のアノテーション作業を行った。さらに、3次元マップを用いた検査・治療モデルのプロトタイプが完成した。
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason データ収集ならびに解析モデルのプロトタイプ生成が終了した。
Strategy for Future Research Activity	当初の予定通り、ディープラーニングモデルの洗練と解析データの検証を行う