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 | 不整脈 / catheter ablation / radiofrequency / 焼灼巣 / 機械学習 / 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 / 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。
|
研究成果の概要 |
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中である。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。
|
研究成果の学術的意義や社会的意義 |
本研究の結果、通電中に変動するパラメータより自動的に、焼灼巣の形状が予測されることにより、より効率的で安全な高周波アブレーション治療が可能になる可能性がある。
|