| 研究課題/領域番号 |
20K09784
|
|---|
| 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56060:眼科学関連
|
|---|
| 研究機関 | 聖隷クリストファー大学 |
|---|
研究代表者 |
朝岡 亮 聖隷クリストファー大学, 看護学研究科, 臨床教授 (00362202)
|
|---|
| 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 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2024年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2023年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2022年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2020年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | 緑内障 / 網膜色素変性症 / Variational autoencoder / 視野 / 光干渉断層計 / 変分オートエンコーダー |
|---|
| 研究開始時の研究の概要 |
深層学習法の一種法であるVariational Autoencoderにより、緑内障患者および網膜色素変性症患者の視野を再構成することで測定ノイズを省き（ノイズフィルター）、視野感度をより正しく評価すること。この方法により得られる視野感度を用いて視野進行をより正しく解析すること。この方法と、応募者らの構築した変分近似ベイズ線形回帰と組み合わせて、より正しい視野進行速度評価を行う事。
|
| 研究実績の概要 |
視野の病期とクリニカルトライアルにおける必要サンプル数に関するシミュレーション解析を行った。シミュレーションに用いた元データは早期、中期、後期の各々の病期群のtest-retest緑内障視野データ（各２３１、２０４，２２６眼）である。このデータを用いて９５％が-0.5～-1.0 dB/年（平均-0.75 dB/年）で進行する２年間の視野シリーズを１０００シリーズ、シミュレーション作成した。結果、治療介入（治療効果量50%を仮定）の前後で視野進行速度を比較するスタディデザインの場合、中期例においては、８０％の症例において治療前後の視野進行速度に有意な差（有意水準５％）を認めるのに必要なサンプルサイズは７０眼であった。一方早期例では３０眼で同様の結果が得られ、逆に後期例ではより多くのサンプル数が必要であった。また、各症例について両眼エントリーして線形混合モデルにより解析すると必要サンプル数の減少を期待できることが分かった。これらの傾向は①介入治療の効果量を40%や30%にした場合や、②治療群と対照群の二群でのトライアルを仮定した場合、③９５％が0～-0.5 dB/年（平均-0.25 dB/年）での進行を仮定したシミューレション解析でも全く同様であった。本研究の結果により緑内障におけるクリニカルトライアルのサンプル計算を行う際には病期についても注意を払う必要があることが分かった。実際には病期によって治療効果量も異なる可能性があり、これらを総合的に考える必要があることが分かった。さらにVariational Autoencoderを用いた医者ノイズのフィルタリングを組み合わせることで更なる改善が得られる可能性があり、今後検討そ進めていく予定である。また２９８例２９８眼の網膜色素変性症眼のデータを用いた検討でも全く同じような結果が得られた。
|
| 現在までの達成度 |
現在までの達成度
3: やや遅れている
理由
コロナ禍の影響でデータ収集が遅れた影響で最終解析に若干の遅れが出ているが、鋭意回復中である。
|
| 今後の研究の推進方策 |
変分近似ベイズ線形化回帰を用いた視野進行予測を用いた視野計測アルゴリズムを構築した。本法の緑内障眼での有用性を検証予定である。
|
