| 研究課題/領域番号 |
21K08065
|
|---|
| 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53020:循環器内科学関連
|
|---|
| 研究機関 | 関西医科大学 |
|---|
研究代表者 |
藤井 健一 関西医科大学, 医学部, 講師 (90434943)
|
|---|
| 研究分担者 |
廣田 誠一 兵庫医科大学, 医学部, 教授 (50218856)
塩島 一朗 関西医科大学, 医学部, 教授 (90376377)
植田 大樹 大阪公立大学, 大学院医学研究科, 前期臨床研究医 (90779480)
|
|---|
| 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 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
2022年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
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 | 人工知能 / 血管内イメージング / 冠動脈疾患 / 動脈硬化 / 深層学習 / 光干渉断層画像 |
|---|
| 研究開始時の研究の概要 |
本研究では深層学習の手法を用い、高性能コンピューターに膨大な光干渉断層画像装置(OFDI)と病理のペア画像を学習させ、人間による読影では達成し得ない高い精度で冠動脈の組織性状診断が行えるプログラムを開発することを目的とする。本研究の未来として、同プログラムをOFDI装置に組み込むことで、経験の浅い非専門医でも不安定粥腫を正確に診断することができ、経皮的冠動脈インターベンションによる合併症発生リスクを軽減させる適切な治療戦略や急性心筋梗塞発症の予防方法を確立させることを可能とする。
|
| 研究成果の概要 |
ディープラーニングを用いてOFDI画像から冠動脈組織性状の診断を自動化することを目指しました。対象は、45例の剖検心から得た109本の冠動脈で、ex vivoでOFDI検査を行い、1,103セットの一致した動脈硬化性変化を有する病理切片画像とOFDI画像を取得しました。これらの画像をトレーニング、検証、テストの3つのデータセットに分割し、トレーニングセットからPSPNetをベースにした深層学習モデルを構築しました。モデルの評価を行ったところ、検証セットで平均Fスコアが0.6255、IoUが0.488を、テストセットでは平均Fスコアが0.6577、IoUが0.5166を達成することができました。
|
| 研究成果の学術的意義や社会的意義 |
本研究の結果は、目的であるOFDI画像からの冠動脈組織性状の自動診断が一定の精度で可能であることを示しています。冠動脈カテーテルインターベンションの際に医師が行う冠動脈硬化の組織性状診断は定性評価であるため、読影者間でのバラツキが大きく、精度は経験値に依存します。今回我々が開発した人工知能モデルを用いることで、経験の浅い医師や非専門医がOFDI画像を読影しても経験豊富な専門医と同等もしくはそれ以上の精度で診断することが可能になると考えます。また、本モデルを用いることで、長年解明されてこなかった冠動脈粥状硬化形成のメカニズム解明につながると考えます。
|
