| 研究課題/領域番号 |
22K16068
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分53020:循環器内科学関連
|
|---|
| 研究機関 | 東京医科歯科大学 |
|---|
研究代表者 |
滝川 正晃 東京医科歯科大学, 大学院医歯学総合研究科, 寄附講座講師 (40760062)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2023年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
2022年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | 焼灼巣 / 高周波 / アブレーション / AI / Steam-pop / 温度コントロール / イリゲーションカテーテル / 焼灼効果 / steam-pop / 機械学習 / カテーテルアブレーション / 人工知能 / 合併症 / 抵抗値 |
|---|
| 研究開始時の研究の概要 |
高周波カテーテルアブレーション（RFCA）をを効果的に安全に行う指標として、出力・焼灼時間・コンタクトフォース等の能動的指標が用いられてきたが、これらの指標は、焼灼時の組織反応を反映していない為、安全性を測る指標としては限界がある。そこで，近年、焼灼部の局所温度や局所抵抗値といった受動的指標を直接測定できるカテーテルが開発された。本研究では、これらの能動的・受動的指標の変動を経時的に測定して、焼灼巣のサイズや、Steam-popといった合併症を予測するリアルタイムAIアルゴリズムを開発する。動物実験でAIの予測性能を評価し、最終的に臨床現場で使用可能な、AIを搭載したカテーテルの開発に繋げる。
|
| 研究実績の概要 |
研究の目的としては、従来の高周波カテーテルアブレーションで設定可能である能動的指標に受動的指標を加えた複合指標を活用し、より正確な焼灼巣サイズやSteam-popの発生予測を行う機械学習モデルを開発することである。つまり、焼灼中の様々なデータより機械学習によってAIを学習させて、学習した焼灼巣・steam-pop予測アルゴリズムを動物実験で評価することであった。
まずEx-vivoの実験下で、様々な設定と条件で焼灼実験を行い、焼灼巣形状と、焼灼中の能動的指標と受動的指標の双方の多数の変数の経時的変化との関係を機械学習させ、焼灼巣形状予測モデルと・steam-pop予測モデルを作成した（特願2023-119252；特願2023-110489）。このモデルは、従来使用されている一般的なパラメータと比較すると、焼灼形状をより正確に推定することが可能であることが証明された。これらのアルゴリズムは、ex-vivoのデータより計算されており、in-vivo実験でもその整合性を検証を開始した。生体実験においては、動物が実験途中に予期せぬ心室細動などで死亡してしまう場合もあり、予定されていた数の焼灼数が収集されていないが、Ex-vivo の実験結果に類似した結果が得られる可能性が高いと考えられる。今後、焼灼巣をさらに増加させ、生体実験系での予測アルゴリズムを完成させる。実験の過程で、得られた研究成果に関しては、学会発表、論文発表を行なっている。
|
