| 研究課題/領域番号 |
23K07203
|
|---|
| 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52040:放射線科学関連
|
|---|
| 研究機関 | 金沢大学 |
|---|
研究代表者 |
中嶋 憲一 金沢大学, 医学系, 協力研究員 (00167545)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2024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)
2025年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2024年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2023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 | 人工知能 / 医用データベース / 画像診断 / 予後 / モデル解析 / 心不全 / レヴィー小体病 |
|---|
| 研究開始時の研究の概要 |
本研究では、画像診断あるいは臨床診断にあたって、人工知能あるいは機械学習の手法を利用して、様々な臨床情報と画像情報を統合した新しい診断体系を構築する。このためには、適切な大規模データベースを構築する必要があるので、国内外の臨床データベースを作成する。診断名や予後を含めるが、心臓であれば心臓死とその原因など、従来の統計的手法では判断が難しかった領域についての検討を人工知能により行う。画像についても、機能画像としての定量性を改善させて診断に貢献することや、人工知能による画像分類、予測、臓器/病変セグメンテーションも含める。最終的に、作成されたモデルの妥当性の検討を含めて順次実施予定である。
|
| 研究実績の概要 |
本研究は、人工知能技術を活用し、臨床情報と定量機能画像を統合して高精度な画像診断を達成することを目指している。
１）心臓病および心不全による死因予測に関する研究：心不全による死因を予測することを目的に、機械学習を用いて心不全死と突然死を分別するモデルを構築した。123I-MIBGの心縦隔比（H/M比）の低下は、不整脈死や突然死と関連するとされるが、中等度のH/M比異常を有する患者において不整脈死・突然死の発生率が高いとの報告が欧米からあり、国内の知見とは傾向が異なっていた。この点を解明するため、13変数から成る機械学習モデルを開発し、日本および欧州の心不全患者データベースを用いて検証を行った。今年度は特に、機械学習による心事故発生シミュレーションも実施し、とくに中等度のH/M比低下を示す患者で不整脈イベントが多いこととその背景を明らかにした。
２）高分解能・高感度SPECT-CTに関する検討：心臓および脳領域において正確なSPECT値を算出するためには、散乱、減弱、呼吸、不整脈、体動等のさまざまな要因の補正が不可欠である。今年度は、中心部がファンビーム、周辺部が平行ビームに近い特性を持つSZHRXコリメータを用いた撮像により、高分解能かつ定量精度の高い画像データの収集を行った。
３）123I-MIBGを用いたレヴィー小体病の新診断モデル（SMILe指標）を提案：レヴィー小体病（Lewy body disease）を診断するための新たなモデル「SMILe index（Sympathetic MIBG Index for Lewy body disease）」を開発・提案した。このモデルは、レヴィー小体病の発症確率を評価するものであり、新たに早期像のSMILe indexを計算する機能を加えたことで、後期像撮像が不要な患者を識別することも可能となった。
|
| 現在までの達成度 |
現在までの達成度
1: 当初の計画以上に進展している
理由
１）心臓病および心不全の死亡原因予測に関する研究：心臓交感神経機能が不整脈イベントの重要な予測因子となることを示した。第一段階として、交感神経機能と突然死を含む重症不整脈イベントの間に強い関連が存在し、さらに患者背景による影響を明確化した。提案した機械学習モデルは、臨床的な13変数を含むため、各因子の影響をシミュレーションでき、多因子（H/M比、心筋からのMIBGクリアランス、虚血など）の相互作用が重症イベントに影響することを明らかにした。
２）高分解能・高感度SPECT-CTに関する検討：心筋集積の絶対定量技術はこれまで進展が遅れていたが、SPECT画像を劣化させる散乱、減弱、不整脈、呼吸性移動、体動などの要因を補正する方法を用いることで、臨床応用が可能となった。さらに、新型コリメータを用いた高分解能かつ定量性を備えた画像取得も開始し、症例蓄積を進めている。
３）123I-MIBGによるレヴィー小体病診断と新指標の開発：疾患発症確率を評価する新たな診断モデルを開発し、一部の協力病院において診断的利用の試験を開始した。また、早期像のみで診断が可能な症例を特定できるため、後期像撮影の省略による実用性向上が期待できる。この点について、さらに多施設共同での検証を準備中である。
４）その他のSPECT定量化および人工知能応用研究：心筋血流の不均一性を反映する新指標として、ヒストグラム解析手法を開発した。また、心筋SPECT画像における欠損スコアを、機械学習を用いて推定する新手法を多施設データから作成した。さらに、人工ニューラルネットワークを用いた骨シンチグラフィにおける転移診断研究では、前立腺がん患者を対象に、多施設共同研究を行い、フレア現象を有する患者群で予後が良好であることを確認し報告した。
|
| 今後の研究の推進方策 |
１）心臓病および心不全の死亡原因予測に関する研究：本研究では、心臓交感神経機能と心不全死、特に不整脈関連死との関連について、さらに詳細な検討を進める予定である。現在、多変量の13変数モデルを使用しているが、実用性向上のためにはモデルの単純化が求められる。これに対応するため、新たに1000例規模の心不全患者データベースを多施設共同研究により収集しており、これを用いて新たな予測モデルを構築する予定である。この際、人工知能モデルと並行して多変量統計解析モデルも作成し、それぞれの長所と課題を整理・比較する。
２）高分解能・高感度の定量的SPECT-CTに関する検討：引き続き、負荷・安静心筋血流SPECTへの本技術の応用を進め、新型コリメータおよび新解析手法を組み合わせて臨床有用性を検証する予定である。また、123I-MIBGのSPECT-CT画像における定量方法については、標準化指標の有用性が確認されつつあり、これに加えて人工知能による自動定量化の可能性についても検討を行う。
３）123I-MIBGを用いたレヴィー小体病診断と新指標に関する研究：新たに提案したSMILe indexのソフトウェア化を進める予定である。また、一般病院における診療体制下での実用性検討はまだ行われていないため、日本および欧州の協力により収集した1000例規模のレヴィー小体病および非レヴィー小体病患者データを用いて、今後、診断精度の検証を行う。あわせて、新たな確率評価式の必要性についても、多角的に検討する予定である。
|
