カテーテル選択支援AIを用いたVascular IVRの開発
| Project/Area Number |
22K15875
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
森田 亮 北海道大学, 大学病院, 助教 (30872626)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2024: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2022: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
|---|
| Keywords | カテーテル選択 / Vascular IVR / AI / カテーテル選択支援AI |
|---|
| Outline of Research at the Start |
カテーテルを用いた血管内治療では、治療前のCT画像で血管解剖を把握し、術者が経験を元に主観的に種々の形状のカテーテルの中から特定の形状のものを選択している。カテーテル挿入の成否に関する術前の予想と異なった場合は、標的血管への挿管ができず治療ができない。そこで、CT画像情報を用いた血管へのカテーテル挿入難易度解析を元に、カテーテル毎の標的血管への到達時間・成否を出力するAI判別器を作成し、治療前のCT画像から最適なカテーテル形状の客観的な選択を可能とするAIを開発し(AIに基づく客観的なカテーテル選択)、カテール選択支援AIを用いたVascular IVRを行う。
|
| Outline of Annual Research Achievements |
カテール選択支援AIを開発する前段階として、確実に挿入可能な最適な先端形状のカテーテルを選択することを目的として、模擬訓練に基づくカテーテル選択の研究を行った。具体的にはIVR術前患者のCTデータを整備して簡易的にSTLへ抽出し、より短時間に3Dプリンターで超高精細3D血管模型を作製し、事前にカテーテル挿入等の 模擬訓練を行うことが可能な環境を整えた。
実際に複数の患者治療前に、この方法を用いて血管模型を作製し、模擬訓練を行い、それに基づくカテーテルを選択し、Vascular IVRを施行した。
この模擬訓練を用いると、事前に最適なカテーテル形状が把握できるため患者治療が完遂できた。また、比較的容易に血管模型が作製できるため、多くの患者症例への適応が可能であるという事が判明した。
また、2019年1月から2020年5月の期間に3D-CTAが撮像された腹部血管造影歴のない332症例から120症例をピックアップし、研究者3名が独立して、腹部動脈のVR画像を視覚的にCHAへのカテーテル挿入の視認性難易度(0.easy：診断カテーテル単独で総肝動脈まで挿入可能 /1.normal：診断カテーテルとワイヤーで総肝動脈まで挿入可能/2.difficult：診断カテーテルでは総肝動脈まで挿入不可能)に基づいて分類した。120例のうち、CHAへの挿入が2.difficultと３名が一致して判定した18例から、10例を選択し3Dプリンターで超高精細3D血管模型を作製し、カテーテル挿入実験を行い、成否・時間の記録を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
血管模型を用いた標的血管へのカテーテル挿入難易度のAI解析を行う予定であった。具体的には、100例程度の患者CT画像情報に基づく超高精細3D血管模型を作製し、非透視下に標的血管へのカテーテル挿入実験を行い、到達時間・成否を教師データとし、画像分類CNNを用いたAI解析を行い、カテーテル挿入難易度(標的血管への到達時間の予測や成否)を判定可能なAIを開発することを目的としていた。現在は血管模型が30個にとどまっており、AI解析を完遂させるための教師データとしては不十分である。次年度はより正確なカテーテライゼーション難易度を反映した教師データとしての3Dプリンター造形物である患者の血管モデルの作成およびカテーテライゼーション実験を行う予定である。
|
| Strategy for Future Research Activity |
次年度は、客観的な難易度を教師データとするため複数のIVR専門医により多数例の血管模型に対して、多数(多種類)のカテーテルを使い模擬訓練を実施し、時間と成否を記録し教師データとする。模擬訓練後に患者の治療が行われた場合には、同様にカテーテル毎の時間、成否の記録を残す予定である。
|
Report
(1 results)
Research Products
(5 results)
-
[Journal Article] Mechanical Properties of 3D-Printed Transparent Flexible Resin Used for Vascular Model Simulation Compared with Porcine Arteries.2023
Author(s)
Morita R, Nonoyama T, Abo D, Soyama T, Fujima N, Imai T, Hamaguchi H, Kameda T, Sugita O, Takahashi B, Kinota N, Kudo K.
-
Journal Title
J Vasc Interv Radiol.
Volume: 34(5)
Issue: 5
Pages: 871-878
DOI
Related Report
Peer Reviewed
-
-
-
-
