| 研究課題/領域番号 |
21K12657
|
|---|
| 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90110:生体医工学関連
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
弓場 充 早稲田大学, 総合研究機構, その他(招聘研究員) (50875367)
|
|---|
| 研究分担者 |
岩崎 清隆 早稲田大学, 理工学術院, 教授 (20339691)
坪子 侑佑 国立医薬品食品衛生研究所, 医療機器部, 主任研究官 (40809399)
|
|---|
| 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 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2021年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 機械学習 / 虚血性心疾患 / 脂肪肝 / 心外膜下脂肪組織 |
|---|
| 研究開始時の研究の概要 |
本邦において、虚血性心疾患を含む心疾患は癌に次ぐ2番目の死亡原因であり、早期発見、早期治療介入が重要である。近年、新たな虚血性心疾患のリスク因子として、心外膜下脂肪組織（Epicardial Adipose Tissue: EAT）および非アルコール性脂肪性肝疾患（Nonalcoholic Fatty Liver Disease: NAFLD）が注目されている。本研究では、患者基本情報および血液バイオマーカ等の情報に加え、EAT量とNAFLDに関する情報を学習データとして機械学習させることでこれまでにない高精度な虚血性心疾患予測モデルの構築を目的とする。
|
| 研究成果の概要 |
患者基本情報に加えて冠動脈X線CT画像から得られる脂肪肝の有無及び心外膜下脂肪量を学習データとした、虚血性心疾患を診断できる機械学習モデルの構築に取り組んだ。本研究において、患者基本情報に加えて脂肪肝の有無を学習させた場合に顕著な診断精度の向上が見られたこと、心外膜下脂肪量の情報を加えると精度が低下したことから、心外膜下脂肪量の情報と比べて、脂肪肝の有無に関する情報の方が虚血性心疾患のリスク因子として重要である可能性が示された。
|
| 研究成果の学術的意義や社会的意義 |
本研究は、虚血性心疾患の新たなリスク因子として着目されている心外膜下脂肪量及び脂肪肝の有無を学習させた機械学習モデルの有用性を検証した研究である。これまで、虚血性心疾患のリスク因子を定量化する手法や重要度に関する研究が行われてきたなかで、両因子を機械学習させて比較した研究は存在しなかった。本研究の結果は冠動脈X線CT検査から得られる情報の中でも脂肪肝の情報が虚血性心疾患のリスク因子としてより有益であることを示すものであり、虚血性心疾患の早期発見・早期治療介入実現に向けた一助となりうると考えられた。
|
