研究課題/領域番号 |
22K08185
|
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 | 九州大学 |
研究代表者 |
坂本 和生 九州大学, 大学病院, 助教 (80722363)
|
研究分担者 |
遠山 岳詩 九州大学, 大学病院, 医員 (00828197)
細川 和也 九州大学, 大学病院, 助教 (40746872)
|
研究期間 (年度) |
2022-04-01 – 2025-03-31
|
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)
2024年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
キーワード | 心房細動 / カテーテルアブレーション / 機械学習 / 心筋焼灼 |
研究開始時の研究の概要 |
心房細動患者数は、2020年時点で推定100万人と言われ今後さらに増加することが予想されている。心房細動に対するカテーテルアブレーションは「肺静脈隔離術」が世界的なゴールドスタンダードである一方で、肺静脈隔離のみでは奏功しない難治性心房細動が多く存在する。これは、術中に肺静脈以外の不整脈基質が同定できず、アブレーション術者の経験に依存せざるを得ない現行治療の限界と言える。そこで、機械学習を利用して非発作時の生体情報(12導心電図+3次元マップ)から心房細動の不整脈基質(肺静脈起源・非肺静脈起源・心房頻拍)を分類し、必要に応じた追加治療を提案する機械学習モデルの開発。
|
研究実績の概要 |
本研究は、心房細動に対するカテーテルアブレーション時の電気生理学所見から心房細動の病因を明らかにして至適治療部位を決定する、機械学習アルゴリズムを用いた予測モデルを開発することを目的としている。 初年度である2022年度は、心房細動アブレーションのデータベース構築に注力した。現時点では約300症例の臨床情報およびカテーテルアブレーション時の3次元マップを収集している。ディープラーニングによる正確な信号/画像解析のためには良質な情報が必要となるため、3次元マップの画像処理も同時に進めている。次年度は、データの更なる蓄積とともに3次元マップを用いた病態・治療モデルのプロトタイプ作成を行う。
|
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
既存データのうち約40%について収集完了した。
|
今後の研究の推進方策 |
引き続きデータ収集とデータクリーニングを継続して、解析前の事前準備を進める。
|