| 研究課題/領域番号 |
20K22862
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
0902:内科学一般およびその関連分野
|
|---|
| 研究機関 | 北海道大学 |
|---|
研究代表者 |
森田 亮 北海道大学, 医学研究院, 助教 (30872626)
|
|---|
| 研究期間 (年度) |
2020-09-11 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | AI / Deep Learning / カテーテライゼーション / 難易度 / 血管 / IVR / カテーテル挿入難易度 / カテーテライゼーション難易度解析 / AI解析 / ３Dプリンター造形物 / 血管モデル / 血管内カテーテル治療 / 深層学習 / カテーテライゼーション難易度 / 血管造影 |
|---|
| 研究開始時の研究の概要 |
3D-CTデータを元に3Dプリンターで作成した多数の血管模型に対しカテーテライゼーション実験を行い、各血管模型の難易度を解明する。その成功率や時間を教師データとした深層学習を行い難易度との関連性を明らかにし、3D-CTデータから難易度等を術前に予測できるシステムを開発する。血管模型を用いたカテーテライゼーション実験で難易度を解明した報告はなく、術前画像から難易度を推定するニューラルネットワークシステムの開発は世界初の試みとなる。本研究により血管模型データ・難易度判定アルゴリズムを公開し、世界中で初学者のカテーテライゼーショントレーニングや術前の難易度判定に利用することが可能となる。
|
| 研究成果の概要 |
血管内カテーテル治療における標的血管へのカテーテル挿入難易度を判定可能なAI開発を目的として、2020年度に専門医1名による腹腔動脈から総肝動脈へのCT VRデータを用いた視認性難易度評価試験結果を元にAI解析を行った。その結果、困難例とそれ以外の2群に分けた場合には、Overall accuracy は、89.05%と比較的良好であった。2021年度には、IVR専門医3名による視認性評価試験を元にAI解析を行い、カテーテル挿入困難例と非困難例の2群を弁別するoverall accuracy は60%以上を示し、非困難群を選び出すprecision(適合率)は80%を超えた。
|
| 研究成果の学術的意義や社会的意義 |
医療画像データを用いた画像診断の深層学習に関しては、肺結節の良悪性鑑別や脳動脈瘤の検出、肝腫瘍の鑑別など様々な報告がされ、深層学習が放射線診断専門医と同等の診断能や検出能があることも報告されている。一方、手術や血管内治療など医学的手技の難易度を、深層学習によって事前の画像データから解明するという報告はなく本研究は世界初の試みとなる。本研究で開発したカテーテライゼーションの難難易度及び適切なカテーテル判定システムは、頭頸部や脳、心臓、 骨盤、下肢など他の血管内治療領域への応用が可能である。これにより、従来経験に基づいて方針が決定されている医学的手技に科学的視点を導入する事が可能となる。
|
