| 研究課題/領域番号 |
23K14899
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分52040:放射線科学関連
|
|---|
| 研究機関 | 大阪公立大学 |
|---|
研究代表者 |
田北 大昂 大阪公立大学, 大学院医学研究科, 講師 (90779505)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2028-03-31
|
| 研究課題ステータス |
交付 (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)
2027年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2026年度: 130千円 (直接経費: 100千円、間接経費: 30千円)
2025年度: 130千円 (直接経費: 100千円、間接経費: 30千円)
2024年度: 130千円 (直接経費: 100千円、間接経費: 30千円)
2023年度: 3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
|
|---|
| キーワード | 人工知能 / 深層学習 / MRI / メチオニンPET / PET |
|---|
| 研究開始時の研究の概要 |
本研究の目的は深層学習の画像変換技術を用いてMR画像を臨床上有用な擬似メチオニンPET画像や擬似アミロイドPET画像へ変換することである。人工知能によりMR画像から臨床上有用な擬似PET画像へ変換できれば、多くの患者が低額な検査費用で施設の制限や放射線被曝なしに擬似PET画像の情報を得ることできて、従来より高い水準の診断や治療を受けることが可能になると考える。
|
| 研究実績の概要 |
本年度は脳腫瘍患者の造影MRIから擬似メチオニンPETを生成する人工知能アルゴリズムの開発を行なった。
アルゴリズム学習用のデータセットとして大学病院データセットを使用した。
アルゴリズム評価用のテストデータとして、大学病院テストデータセットとオープンソースのGliomaのデータセットの2つを使用した。
大学病院テストデータセットの評価指標としてメチオニンPETの病変部の最大/平均Standardized uptake value(SUV)と正常大脳皮質の平均SUVの比(それぞれmaximum/mean tumor to background ratio(TBRmax, TBRmean))と病変部体積を用いた。擬似メチオニンPETと実際のメチオニンPETのTBRmax, TBRmean, 病変部体積のピアソン相関係数はそれぞれ0.68、0.76、0.92であり擬似メチオニンPETと実際のメチオニンPETの各指標は強い相関を示した。
オープンソースのデータセットではメチオニンPETが施行されていなかったため頭部造影MRIから生成した擬似メチオニンPETの病変部のTBRmaxとTBRmeanを用いてlow-grade gliomaとhigh-grade gliomaの鑑別に関するReceiver Operating Characteristic解析と全生存期間解析を行った。Low-grade gliomaとhigh-grade gliomaの鑑別能はTBRmaxとTBRmeanでそれぞれArea Under the Curveが0.81、0.78と高い精度で鑑別できた。また擬似メチオニンPETのTBRの高値群と低値群に分けると高値群は低値群と比較して有意に短い生存期間であり(P値=0.01未満)、予後予測にも有用であった。
|
| 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
本年度、造影MRIから擬似メチオニンPETを生成する人工知能アルゴリズムの開発に成功し、論文発表ができたから。
|
| 今後の研究の推進方策 |
造影MRIから擬似メチオニンPETを生成する人工知能アルゴリズムの開発で培った技術を、他の放射線画像に応用させて研究を進める予定である。具体的には頭部MRIから擬似アミロイドPET/擬似タウPETを生成する人工知能アルゴリズムの開発を行う。
|
