| 研究課題/領域番号 |
22K08220
|
|---|
| 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 | 川崎医科大学 |
|---|
研究代表者 |
上村 史朗 川崎医科大学, 医学部, 教授 (60224672)
|
|---|
| 研究分担者 |
西 毅 川崎医科大学, 医学部, 講師 (10894446)
久米 輝善 川崎医科大学, 医学部, 准教授 (60341088)
山田 亮太郎 川崎医科大学, 医学部, 講師 (70388974)
新岡 宏彦 九州大学, データ駆動イノベーション推進本部, 教授 (70552074)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023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: 390千円 (直接経費: 300千円、間接経費: 90千円)
2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2022年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
|
|---|
| キーワード | 急性冠症候群 / 不安定プラーク / 人工知能 / 自動診断 / 臨床転帰 / 冠動脈疾患 / 医学イメージング / 予後予測 / 血管内イメージング |
|---|
| 研究開始時の研究の概要 |
ACSは冠動脈プラークの不安定性に基づく血栓形成が原因であるため、プラークの不安定性を患者個別に診断し、その危険度に基づいた先制的な個別予防法を確立する必要がある。本研究では冠動脈疾患二次予防患者を対象として、血管内イメージング画像を人工知能（AI）による深層学習の手法で解析し、冠動脈プラークの形態学的診断、特にACSの発症に関連するハイリスクプラークを高精度に自動診断できる先進的技術を開発すること、さらにそのAI画像診断の結果を大規模コホートの臨床経過と合わせて検討することにより包括的な冠動脈疾患の予防・ケアシステムを構築することを目的とする。
|
| 研究実績の概要 |
急性冠症候群（ACS）は冠動脈プラークの不安定性に基づく血栓形成が主因であるため、プラークの不安定性を患者個別に診断し、その危険度に基づいた先制的な予防法の開発が望まれている。本研究は冠動脈疾患二次予防患者を対象として、冠動脈プラークの光干渉断層イメージング（OCT）画像を人工知能（AI）による深層学習の手法で解析し、冠動脈プラークの形態学的診断、特にACS発症に関連するハイリスクプラークを高精度に自動診断できる技術を開発すること、さらにデータベース化された患者集団において、そのAI画像診断の結果を患者の臨床的背景、転機と合わせて検討することにより包括的な冠動脈疾患の予防・ケアシステムを構築することを目的としている。
初年度において、当研究室の患者データベースを用いて、OCT画像を教師あり学習を用いたAI解析し、冠動脈プラークの不安定性を自動的に判断できるアルゴリズムを開発した。本アルゴリズムによるプラークの不安定性のAI診断が冠動脈疾患の進展や臨床転帰を予測できる可能性を示し、"Automated diagnosis of optical coherence tomography imaging on plaque vulnerability and its relation to clinical outcomes in coronary artery disease" Scientific Reports. 2022 Aug 18;12(1):14067. doi: 10.1038/s41598-022-18473-5. に報告した。これらの成果を踏まえて、高い自動診断能と汎用性を併せ持つ冠動脈プラークの不安定性の自動診断アルゴリズムの確立を目指す。
|
| 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
2023年度においては、開発したアルゴリズムの汎用性とより診断精度の高いアルゴリズムの開発について以下の研究を実施した。
第一は、完成したAIプログラムを別の画像診断モダリティで記録したOCT画像の自動診断における汎用性を検討した。当該アルゴリズムはAbbott社製OCTを用いて撮影した画像を教師データとして開発したが、このアルゴリズムを用いてDelaWave社製OCTの画像を解析した結果、安定プラークに関する診断率は高いものの、不安定プラークに対する診断精度は非常に低いものであった。そこで診断能をより高めるため、予備的な検討としてDelavase 社OCTイメージを既存のアルゴリズムに転移学習させたAIアルゴリズムではDelawave社OCTに対する診断精度が上昇することを確認している。
第二の課題として、最近注目を浴びている不安定プラークである石灰化結節および脂質を内在する石灰化をAIによって自動診断するアルゴリズムの開発を進めている。本検討ではNIRS-IVUSにより評価した脂質を含む石灰化をGround Truthとして、同部位を観察したOCT画像をAIによりDeep Learningさせることで、OCT画像での脂質成分を含有する不安定な石灰化病変の診断アルゴリズムの開発を進めている。現在540のOCT画像を収集し、AIによる解析を実施している。
|
| 今後の研究の推進方策 |
2024年度には、上述の研究成果をもとに、記録機器の特性を踏まえた冠動脈不安定性の自動診断法の確立を目標とする。第一に、本アルゴリズムはAbbott社OCT画像診断システムで記録した医療画像を対象としたものであり、実地診療における実用のためには別の画像診断システムで記録されたOCT画像にも同程度の精度で応用される必要があり、画像データを増やして転移学習を行うことにより臨床使用に供する精度のアルゴリズムを確立する。さらに第二の問題点としてOCTの画像が記録された冠動脈疾患患者の臨床的予後は一時点の冠動脈の不安定性のみによって規定さるものではなく、動脈硬化の危険因子、年齢、合併する他臓器疾患、治療内容などによって修飾されて変化していく可能性が高く、患者の長期的な転帰を予測するためには、冠動脈画像に加えて、患者の背景因子（性別、年齢、腎機能、脂質プロフィールなど）を加味したAIアルゴリズムの構築する。
|
