| 研究課題/領域番号 |
21K20920
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
0903:器官システム内科学およびその関連分野
|
|---|
| 研究機関 | 東京慈恵会医科大学 |
|---|
研究代表者 |
宮坂 政紀 東京慈恵会医科大学, 医学部, 助教 (60911154)
|
|---|
| 研究期間 (年度) |
2021-08-30 – 2023-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2022年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | AI / TAVI / TAVR / CT / landmark detection / 3D / segmentation / SHD / Cardiology |
|---|
| 研究開始時の研究の概要 |
経カテーテル的大動脈弁置換術(TAVI)は外科的大動脈弁置換術と並び重症大動脈弁狭窄症の標準治療選択肢となったが、術前評価に必須の心臓CT解析に習熟を要することが安全なTAVIの普及の隘路となっている。本研究の目的はこの難題を画像認識に優れる人工知能（AI）の応用で解決を図り、AIによる「人工弁サイズ決定」と「合併症発生リスク評価」のための方法の開発を試み、新たな術前CT解析プログラムを確立する。
|
| 研究成果の概要 |
本研究ではTranscatheter aortic valve implantation (TAVI)の術前評価の心臓CT解析に人工知能（AI）を応用し、3次元画像モダリティへのAIの応用の基盤を確立することを目指した。開発にあたり、3次元データから正確に平面推定を行うステップは応用範囲が広く価値がある一方で難易度が高かったが、最適輸送距離問題を応用したアルゴリズムの開発により、高精度の平面推定が可能になった。本法では粗い解像度のCT画像からでも、CT画像解析の専門家と同等の精度でランドマークを局在化でき、既存AI技術と比較して高精度な結果を得た。本成果については現在論文投稿準備中である。
|
| 研究成果の学術的意義や社会的意義 |
2次元画像に比べて3次元画像のAI開発は難しいとされるが、本研究は同分野に進展をもたらした。本研究で提唱したUNET-GliPにより、ヒートマップ回帰における学習の安定性と予測精度のトレードオフを緩和し、粗い解像度の1.6mm立方ボクセルのCT画像からランドマークを高精度で検出することに成功した。この技術は、TAVI術前CT解析にとどまらず、僧帽弁逆流症などの他の構造的心疾患の診断、手術プランニング、さらにMRIや心臓超音波検査などの異なる3次元画像モダリティへの応用基盤としての可能性を秘めており、診断精度向上、診療負担軽減、医用画像解析研究の発展に貢献することが期待される。
|
