| 研究課題/領域番号 |
21K07586
|
|---|
| 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 | 北海道大学 |
|---|
研究代表者 |
杉森 博行 北海道大学, 保健科学研究院, 准教授 (20711899)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
2023年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
|
|---|
| キーワード | 医用画像解析 / 深層学習 / 予後予測 / 予後予測モデル / 深層学習による脳虚血性病変中抽出 / 虚血性脳血管障害 / 人工知能 / 医療AI / Radiomics / 脳虚血性病変 / MedicalAI |
|---|
| 研究開始時の研究の概要 |
脳虚血性病変の発症から診断に至るまでのプロセスと診断から治療や予後の関係は複雑であり、単に過去画像を収集解析するだけでは予後予測とならず複合的な過去データ解析が必要となるため、本研究では脳虚血性病変において蓄積された画像を中心とした医療ビッグデータを用いて病変のパターン認識およびRadiomics解析を用いた巨視的な形態・機能構造を示す特徴量に基づく経時的な解析を行う。本研究は「人工知能(AI)によるパターン認識」と「Radiomics解析による高次元特徴量からの解析」を融合した、新たな予後予測方法を開発することを目的し研究に取り組む。
|
| 研究成果の概要 |
本研究では、脳虚血性病変検出方法として深層学習を活用したAI技術と、予後予測方法として急性虚血性脳卒中（AIS）患者の治療成果予測を目的とした機械学習（ML）手法を融合させた。具体的には、DWI、FLAIR、T2WIを統合した「fusion画像」から脳梗塞を特定し、みかけの拡散係数（ADC）を基にMTの結果とタイムリミットを予測するモデルを開発。この技術は、AIとMLの相互作用により、病変の正確な診断と予後予測を実現し、臨床的意思決定を大幅に支援する可能性を示した。
|
| 研究成果の学術的意義や社会的意義 |
本研究では、脳梗塞を高精度で検出し治療効果を予測するために、AIと機械学習技術を統合した新しい手法を開発しました。特に、複数の画像データを組み合わせた「fusion画像」を用いて脳梗塞の位置を特定し、治療後の結果と必要な時間を予測するモデルを構築した。この技術は、脳卒中治療の計画と評価に役立ち、迅速かつ正確な診断支援が可能となり、医療現場における意思決定を支援することができる可能性がある。
|
