Outcome prediction for stroke patients
| Project/Area Number |
22K11356
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 59010:Rehabilitation science-related
|
|---|
| Research Institution | Hyogo Medical University |
|---|
Principal Investigator |
小山 哲男 兵庫医科大学, 医学部, 特別招聘教授 (40538237)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
道免 和久 兵庫医科大学, 医学部, 教授 (50207685)
内山 侑紀 兵庫医科大学, 医学部, 准教授 (50725992)
|
|---|
| 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: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2022: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
|
|---|
| Keywords | 脳卒中 / 予後予測 / 帰結 / 拡散テンソル法 / トラクトグラフィー / 再現性 / GPU / 予測 / 脳画像 / 重症度 / モデル |
|---|
| Outline of Research at the Start |
脳卒中患者は本邦で約111万人と推計され、上肢下肢機能や認知機能、および日常生活動作に重篤な障害を呈する。そのような障害を軽減するため、リハビリテーションが行われる。その効果を高めるには、個々の患者がどの程度回復するかを見立てること、すなわち予後予測モデルが必要である。今回の研究では3つステップで予後予測モデルを構築する：１）予後予測モデルの説明因子抽出：２）機能障害、能力低下、社会的不利それぞれのレベルでの予後予測モデル構築：３）診療現場への実装と臨床的有用性の検証。本研究は、市中病院において予後予測モデルを構築し、それを診療現場に実装し、さらに臨床的有用性を検証することを目的としている。
|
| Outline of Annual Research Achievements |
脳卒中患者は本邦で約111万人と推定される。その患者の約半数は上肢下肢機能や認知機能、日常生活動作に重篤な障害を呈する。このような障害の軽減を目的として、リハビリテーションが行われる。適切なリハビリテーションの実践のためには、個々の患者の回復度合いを予測すること、つまり予後予測が必要である。近年の研究により、脳画像診断のひとつであるMRI拡散テンソル法が有用であることが明らかとなってきた。その解析手法の一つに、脳内神経線維の走行を擬似的に表現するトラクトグラフィーがある。この手法は病変による神経線維の障害を視覚化し、さらに定量化を行う点で優れている。その反面、線維追跡の出発点と終点の設定は検者の手作業によるものであること、さらに1症例の解析に約24時間を要していたことより、臨床現場での実践応用は限定的であった。私たちの研究グループは、研究初年度（令和4年度）、線維追跡に標準脳テンプレートを使用すること、さらにGraphics Processing Unit（GPU）を用いた並列処理を導入することで、手作業を経ずに1症例あたり40分程度で解析が完了する環境を実現した（標準化自動化トラクトグラフィー）。研究2年目の令和5年度、標準化自動化トラクトグラフィーの臨床現場での実践応用を確かめるため、上肢下肢機能や認知機能（主に言語機能）の障害に着目した臨床研究を行った。研究2年目の令和5年度、私たちの研究グループは、研究成果の一部を3編の英語論文として公表した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
近年の研究研究より、脳卒中患者の予後予測において脳画像が重要であること明らかとなってきた。私たちの研究グループは、脳画像のなかでも最近注目を集めているMRI拡散テンソル法、その解析法のひとつであるトラクトグラフィーに着目して一連の研究を行なっている。研究初年度の令和4年度、私たちの研究グループは、1例あたり約40分で解析する標準化自動化トラクトグラフィーの臨床応用に成功した。研究2年目の令和5年度、累計200症例を越える脳卒中患者に標準化自動化トラクトグラフィーを用いた評価を行い、脳卒中予後予測研究を進めている。研究初年度の令和4年から2年目の令和5年度までの研究成果は既に累計4編の英語論文として公表がなさている。以上より、本研究はおおむね順調に進展している。
|
| Strategy for Future Research Activity |
私たちの研究グループは、MRI拡散テンソル法のトラクトグラフィーを脳卒中患者の予後予測として実践応用することに取り組んでいる。研究初年度（令和4年度）に、高速かつ再現性の高い手法である標準化自動化トラクトグラフィーを構築した。研究2年目の令和5年度、実臨床で200例以上から標準化自動化トラクトグラフィーのデータ収集を行った。次年度（令和6年度）も継続して、毎週約3例程度のデータ収集を行い、研究期間終了時で累計約350例のデータを集積する予定である。多くの既存研究において、脳内神経線維束の健全性を評価する指標として、トラクトグラフィーにより算出されるfractional anisotropy（FA）値が注目されている。次年度において、集積されたデータより、FA値と長期予後の関連性の定量的検討を行う。長期予後の指標としては上肢下肢機能障害の重症度、日常生活の自立度、総入院日数を使用する予定である。まずはこれらの予後指標とFA値の単純相関を検討する。次に、長期予後に影響を与える他の因子（例: 年齢、併存疾患の重症度）を変数に組み込んだ多変量解析（例: 重回帰分析、多変量ロジスティック回帰分析、一般線形モデル解析など）を行い、FA値と組み合わせた予後予測式を導出する。これにより、トラクトグラフィーを用いた脳卒中患者の予後予測法を構築することを今後の研究の推進方策とする。
|
Report
(2 results)
Research Products
(5 results)
