| 研究課題/領域番号 |
20K16785
|
|---|
| 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 | 信州大学 |
|---|
研究代表者 |
金子 智喜 信州大学, 学術研究院医学系(医学部附属病院), 講師 (40324256)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
2023年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
2022年度: 130千円 (直接経費: 100千円、間接経費: 30千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2020年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
|
|---|
| キーワード | functional MRI / ASD / voxel based morphometry / freesurfer / 脳機能MRI / 音韻処理 / 発達障害 / 抑鬱状態 / 言語処理 / 安静時脳機能MRI / タスク負荷MRI / 自閉症スペクトラム / 学習障害 / うつ病 / うつ状態 / resting state fMRI |
|---|
| 研究開始時の研究の概要 |
うつ状態を合併するASDは、うつ病と比べて鑑別が難しくうつ病の治療が奏功しない。
我々は安静時脳機能MRI(rs-fMRI）を用いた先行研究において，うつ状態のASDでは左サリエンスネットワークと右音韻決定領域との接続性亢進および左記憶領域との接続性が低下している現象を明らかにした。この結果から、音韻領域の異常をもつASDはうつ状態を合併しやすいという仮説に至った。
臨床心理検査で利用される左右の音韻領域に特異的なタスクを用いたfMRIとrs-fMRIを用いて音韻障害および関連するネットワークについて調査することで，うつ状態のリスクについて明らかにするとともに，より詳細なASDの病態解明に迫る。
|
| 研究実績の概要 |
コロナ状況も改善し、患者リクルートを始めた。
前年度までボランティアによる画像評価方法を検討し、従来の画像処理方法（voxel based）と、HCPpipelinesで利用するsurface basedを比較し、後者で研究する方針となった。これに関しては両者を比較した差に関する報告を今年度の学会発表を行い論文化する方針。
結論として、標準脳への合わせ込みはvoxel basedがsurface basedに劣ることがわかり、脳の接続性解析に差を生じていることがわかった。一方、合わせ込み以外の信号の処理方法に関して、定まった方法がないため、今回はsurfacce baseによる画像処理を用いて研究することとする。
患者提供側の精神科と協議し、心理テストなど必要事項を決定した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
コロナによる地方病院の患者制限や、診察差し控えがあり、エントリーに苦慮した。
2023年は５類へ移行したため、対象被検者の検査、及び患者リクルートを行い始めている。可能な限りリクルートに努めたい。
本来であれば、データ解析、学術報告の時期なので、１年から１年半程度の遅延となっている。
健常者を用いた単語認知に関する画像観察において、健常者の場合は一般コミュニケーションで利用する言葉の場合、優位半球の言語処理の領域は利用せず、紡錘状回での形態処理を行うのみで、瞬時に言語理解をしている（自動化）と考えられた。本来は、この段階でASD患者のリクルートを行う予定であったが、患者の診察控えやクラスター発生時の研究撮影ができないなど、さまざまな理由でリクルートが遅れた。
2023年、MRI検査機器のバージョンアップで撮影方法が刷新されるため、健常者、患者ともに最新バージョン（HCPpipelines用プロトコール）で再撮影する。
|
| 今後の研究の推進方策 |
2023年中に、患者３０〜４０人、対象健常者３０人〜４０人ほどを完了させたい。
検査後の前処理に関しては、これまでの処理方法を刷新し、以下の内容で統一する
完了内容：撮影；HCPpipeline用のシーメンスプロトコールのインストールと、これを用いた被検者データ取得。 前処理；ワシントン大学からHCP pipeline と、workbenchをlinux PCにインストールし、上記被検者データによるpipeline前処理を行う。
これからの内容：健常者、被検者をそれぞれリクルートする。上記による３T T1MRI, T2 MRIをHCP pipelineを利用し、freesurferを用いた前処理（pre-freesurfer , freesurfer, post freesurfer)を行う。その後、ｆMRI用の前処理GenericfunctionalMRIVolumeと、surfaceを行い前処理を完了する。その後、SPMを利用した被検者データ間で言語処理に関する両者の違いを解析する。
|
