| 研究課題/領域番号 |
22K19511
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分52:内科学一般およびその関連分野
|
|---|
| 研究機関 | 慶應義塾大学 |
|---|
研究代表者 |
林 香 慶應義塾大学, 医学部(信濃町), 教授 (60445294)
|
|---|
| 研究分担者 |
伊藤 裕 慶應義塾大学, 医学部(信濃町), 教授 (40252457)
菱川 彰人 慶應義塾大学, 医学部(信濃町), 助教 (50867489)
楠本 大 慶應義塾大学, 医学部(信濃町), 助教 (70571727)
|
|---|
| 研究期間 (年度) |
2022-06-30 – 2025-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
6,500千円 (直接経費: 5,000千円、間接経費: 1,500千円)
2024年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2023年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2022年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
|
|---|
| キーワード | 慢性腎臓病 / 尿中赤血球 / Deep learning / 尿サンプル |
|---|
| 研究開始時の研究の概要 |
近年、AI領域の医療分野における進歩は目覚ましく、多くの領域でその応用が模索されているが、現時点で尿中細胞成分のAI診断は開発競合がほとんど存在しない。本研究により、ポドサイトや変形赤血球など、形態が腎疾患診断に結び付く尿中細胞の形態変化を定量的に把握し臨床情報との関連性を明らかにすることができれば、これまで腎生検組織診断を基本に行われていた腎疾患診断が早期から低侵襲・簡便に行うことが可能となる。
|
| 研究実績の概要 |
本研究では、畳み込みニューラルネットワークを用いた画像解析により、尿中の細胞成分を認識し、1)糸球体疾患を示唆する変形赤血球の質的診断、2)腎疾患の活動性を示唆する尿中ポドサイトの認識を目指す。更に3)臨床データ・腎生検組織標本との統合的解析を行う。2022年度は、変形赤血球の質的診断を目指して研究を開始した。
血尿を認めた場合、尿沈渣の観察により、出血部位が腎糸球体（糸球体性血尿）か糸球体以外の部位によるものか（非糸球体性血尿）を鑑別することができる。糸球体性血尿では、赤血球が糸球体基底膜を通過する際の機械的損傷や尿細管を通過する際の急激な浸透圧変化などで変形し、変形赤血球（dysmorphic RBC）となる。本研究では顕微鏡的血尿を指摘され、腎臓内科外来に通院中、腎生検目的に検査入院した症例から尿検体を採取し検討する。尿沈渣標本を作成後、専門の臨床検査技師により変形赤血球（dysmorphic RBC）、均一赤血球（isomorphic RBC）をラベル付けし、教師データを作成する。今までの画像認識研究の経験よりおおよそ1-3万個の赤血球画像を標識することで十分な機械学習が可能と考えられており、実現可能な数である。機械学習に際しては、慶應AIメディカルセンターで利用している既存のGPUサーバーを利用し、教師データでの学習後に正診率を検証する。既に教師データの取り込みと学習を開始している。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
適切な教師データの取得およびデータ解析の環境整備に時間を要したため、教師データの取り込みと変形赤血球と非変形赤血球の機械学習をおこなっている段階である。
|
| 今後の研究の推進方策 |
引き続き教師データの取り込みを行い、学習の精度を高めていく予定である。尿中赤血球の機械学習がある程度軌道に乗った段階で、尿中ポドサイトの染色による明確化と形態認識についても並行して進める予定である。
|
