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 |
交付 (2022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 | 深層学習 / 動脈硬化 / 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。
|
研究実績の概要 |
2021年度に過去に剖検を行った検体45例の剖検心から冠動脈を剥離し、体外で光干渉断層画像(OFDI)カテーテルデータを取得。その後にOFDI画像と対比した病理画像を作成し、教師データとなるOFDIと病理のペア画像を1,103ペア作成した。ディープラーニングのアルゴリズムはsemantic segmentationのPSPnetを用い、encoderとしてResNet50のアルゴリズムを用いて、ディープラーニングワークステーションへ実装した。それにより、高い精度で冠動脈不安定粥腫を同定することに成功した。2022年度は同モデルを使用して、実臨床で取得されたOFDI画像を組織性状解析し、冠動脈カテーテル治療(PCI)に与える影響について調査した。結果、深層学習モデルにより冠動脈石灰化プラークと診断された病変に対してステントを用いたPCIを行うと、ステント血栓症の原因の一つであるステント拡張不良が生じる傾向にあることが分かった。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
2022年度は深層学習のアルゴリズムを実臨床で活かせるか否かを検討したが、概ね臨床でも使用可能であることが分かり、目標を達成できたと考える。
|
今後の研究の推進方策 |
深層学習のアルゴリズムの精度を高めるため、教師データの数を増やして再解析する予定です。その後に、再度臨床でのPCIに与える影響についても評価を行う予定です。
|