| 研究課題/領域番号 |
20K08021
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分52040:放射線科学関連
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
高橋 洋人 大阪大学, 医学部附属病院, 講師 (20617352)
|
|---|
| 研究分担者 |
鈴木 裕紀 大阪大学, 大学院医学系研究科, 特任助教(常勤) (20845599)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2024年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2023年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2022年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2021年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2020年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
|
|---|
| キーワード | DAT SPECT / parkinson disease / AI / deep learning / シヌクレノパチー |
|---|
| 研究開始時の研究の概要 |
シヌクレノパチーは黒質線条体領域のドパミン神経変性が病態としてあり、黒質領域のドパミン細胞変性を評価する神経メラニンMRI画像や線条体領域のドパミン細胞変性を評価するドパミントランスポーター（dopamine transporter: 以下DAT）イメージングなど様々な画像評価手法を用いた研究が行われている。特にDATイメージングは疾患関連の症状に鋭敏で機能評価に有用と考えられている。人工知能による機械学習を活用したDATイメージング診断システムでシヌクレノパチー発症前段階の微細な神経変性をとらえ、その発症予測への臨床応用を検討する。
|
| 研究実績の概要 |
本研究の目的はドパミン機能画像を用いた人工知能による機械学習モデルを活用したシヌ クレノパチー早期診断システムの確立である。パーキンソン病(Parkinson's disease: 以下 PD)、Lewy小体型痴呆症(Dementia with Lewy Bodies： 以下DLB)などのシヌクレノパチーを 含めた神経変性疾患は早期診断が重要である。シヌクレノパチーは黒質線条体領域のドパミ ン神経変性が病態としてあり、黒質領域のドパミン細胞変性を評価する神経メラニンMRI画 像や線条体領域のドパミン細胞変性を評価するドパミントランスポーター（dopamine transporter: 以下DAT）イメージングなど様々な画像評価手法を用いた研究が行われている。 特にDATイメージングは疾患関連の症状に鋭敏で機能評価に有用と考えられている。人工知能による機械学習を活用したDATイメージング診断システムでシヌクレノパチー発症前段階の微細な神経変性をとらえ、その発症予測への臨床応用を検討する。
DAT-SPECTを用いて人工知能を用いた解析を行った。パーキンソン病の病期の分類ができるなどの一定の結果がでており、学会報告と論文化をを予定している。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
結果がでており、学会報告と研究内容の論文化を予定している。概要は以下、
教師なし学習で訓練した変分オートエンコーダによるパーキンソン病のDATスキャン画像の評価。【目的】DAT スキャンの臨床的な評価は定性的であり、読影医がそれまでに経験した多くの症例との比較が必要である。我々は人工知能による変分オートエンコーダ(VAE)を教師なし学習により訓練し、DAT スキャン画像を解析しその特徴抽出を試み、パーキンソン病（PD）患者の重症度との相関性を調べ、臨床上有用なパラメータが得られるかを検討した。
【方法】2014年から2023年の間に自施設で施行した DAT スキャン 1899 件(訓練 80%、検証 20%)を対象とした。線条体の最大割面となるスライスを選択し、線条体を含むように 32x32px にトリミングした。VAE はエンコーダ、デコーダ共に 3 層の全結合層から成り、潜在変数の数は 10 とした。検証データの画像を入力して得られる潜在変数を主成分分析で 2 次元に圧縮して平面上にプロットし、PDの重症度との関係を定性的に評価した。
【結果】VAEに検証データを入力したところ、視覚的に入力画像と類似したものが得られた。主成分分析の結果、2 つの成分は、(1) 線条体への集積の強さ、(2) 線条体の形状と相関していると推定された。重症度が 2 以上の患者のデータは、(1)集積が弱く、(2)萎縮が進んでいるエリアにプロットされる傾向が見られた。
【結論】VAE により線条体集積の視覚的なパラメータにおいてPD患者の重症度に関連した変化がみられた。DAT スキャンにおける人工知能を用いたPD重症度の自動評価に応用できる可能性がある。
|
| 今後の研究の推進方策 |
臨床評価指標との相関性をみるなどし、より臨床に即したバイオマーカーとしての有用性を検証する。
|
