| 研究課題/領域番号 |
20K16687
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分52040:放射線科学関連
|
|---|
| 研究機関 | 東北大学 |
|---|
研究代表者 |
佐藤 友美 東北大学, 医学系研究科, 非常勤講師 (80746149)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2020年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 癒着胎盤 / 機械学習 / segmentation / MRI / AI / 定量MRI / 放射線科 / 産婦人科 |
|---|
| 研究開始時の研究の概要 |
癒着胎盤は母体死亡の原因となる疾患で、術前診断が重要だが、確実に診断する方法は確立していない。これまでの癒着胎盤のMRI診断は定性的評価のため、読影者間でのばらつきが生じる。
本研究では、胎盤を定量的に評価することによって、より客観的な癒着胎盤の診断法を開発し、MRIによる癒着胎盤の診断能の向上を目指す。
画像の空間パターンを数値化して解析する方法、胎盤の硬さを定量的に評価する撮像方法の開発を行う。
|
| 研究実績の概要 |
前年度に引き続き、Deep learningを用いた、MRIの癒着胎盤診断モデルの開発を行った。前年度までの研究では、癒着胎盤診断モデルに用いる、MRIの胎盤の輪郭抽出は、手動で輪郭を囲むことで行っていた。この方法は、実臨床の診断プロセスに組み込むことを想定した場合に、煩雑である点と、胎盤の輪郭を囲む医師の経験や技量に、診断能が依存する可能性が課題となっていた。その課題を解決するために、当該年度に、研究協力者である、東北大学病院 AI Labの研究者らにより、MRIの胎盤の輪郭を自動的に抽出することができる、deep learning モデルが開発された（PlaNet-S: Automatic Semantic Segmentation of Placenta）。この新規の胎盤自動抽出モデルは、従来から臓器抽出に用いられてきたsegmantationモデル（U-Net）よりも、より正確にMRIの胎盤を抽出することが可能と考えられた。特に複雑な形態の胎盤の輪郭抽出にも有用と考えられた。
この胎盤自動抽出モデルを用いて、臨床情報とMRIの両方を用いた癒着胎盤診断モデルを開発し、放射線診断専門医2名との診断能を比較した。統計学的に、この癒着胎盤診断モデルは放射線診断医を上回る診断能が示された。さらに、このモデルにおける医師の介入は、臨床情報の入力と、MRIのT2強調画像矢状断の胎盤の含まれるスライスを選択するのみであり、非常に簡便である点が、実臨床での診断プロセスに補助的に組み込むことを想定した場合に、有用と考えられた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
4: 遅れている
理由
前年度までの遅れが、引き続き影響した。
申請者の新型コロナウイルス感染、およびその後遺症による体調不良や、申請者と研究協力者の異動による影響があった。
|
| 今後の研究の推進方策 |
現在、英文雑誌への投稿準備中である。
開発した診断モデルは、T2強調画像のみを用いており、今後は拡散強調画像も含んだモデルも検討したい。
|
