| 研究課題/領域番号 |
21K18073
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分90130:医用システム関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
柴田 寿一 東京大学, 医学部附属病院, 特任助教 (10780067)
|
|---|
| 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 |
2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2021年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
|
|---|
| キーワード | 老化予測 / 人体デジタルツイン / 機械学習 / 深層生成モデル / 確率的デノイジング拡散モデル / 不確実性評価 / 頭部MRI / 全脳容積評価 / 拡散モデル / 全脳容積 / ニューラルネットワーク / 成人人体 / サンプリング / プログレッシブ学習 / 体積画像 / 頭部CT / デジタルツイン / 人体 / 医用画像 / フローベース深層生成モデル / カリキュラム学習 / 経年変化予測 / 深層ニューラルネットワーク / 経年変化 |
|---|
| 研究開始時の研究の概要 |
我々にとって最も身近な自然現象である人体の経年変化を予測できるモデルの構築は、人間の手には極めて困難であると考えられてきたが、根拠に基づく予防医学のさらなる発展のためには不可欠な要素である。近年、人工知能の一種である、深層生成モデルが注目を浴びている。深層生成モデルにおいてはコンピュータが医用画像などから規則性を見つけ出すので、人体の経年変化もモデル化できると考えられる。これらを受けて本研究の目的は、深層生成モデルを採用することで人体の経年変化を予測できるモデルを構築すること及び、人体を写した医用画像に対して構築したモデルを適用し、例えば数年先の人体の経年変化を予測することである。
|
| 研究成果の概要 |
過去の複数の3次元画像で条件付けして画像生成ができる深層生成モデルを新規に開発した。本研究の新規性（成果）としては、(1)過去7年間の人体頭部を写した多数のMRIから未来の人体頭部を表すMRIを予測（多点予測）するのみならず、それらの画像から得られた全脳容積などの量について、(2)ほぼ未来1点での比較に限られている、先行研究と異なり、約7年先の未来までの多点で定義される量と予測された画像から得られた量を比較することで、モデルの予測精度を評価したこと（多点精度検証）を挙げる。加えて、多数の、あり得るが相異なる未来の人体を予測できるフレームワークを開発した（不確実性評価）。
|
| 研究成果の学術的意義や社会的意義 |
本研究の成果を応用することで、例えば(i)予測結果を受診者に提示することで、受診者の健康への意識を高められ、予後の向上に貢献できる可能性、(ii)医師の目ではわからないほど早期から疾患を診断できるコンピュータ支援診断ソフトウェアの開発へ繋がる可能性、(iii)加齢に伴う疾患の発生部位や発生時期の予測による予防的治療が実現できる可能性、(iv)既に病気に罹患している者を撮像した医用画像からその過去を予測し、医者が見落としやすい病変群を明らかにできる可能性などを持ち、広く社会へインパクトを与えられると考えられる。
|
