| 研究課題/領域番号 |
23K15155
|
|---|
| 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 | 京都大学 |
|---|
研究代表者 |
糀谷 泰彦 京都大学, 医学研究科, 特定助教 (90823013)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2026-03-31
|
| 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)
2025年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
2024年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2023年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
|
|---|
| キーワード | 不整脈 / カテーテルアブレーション / 細胞電気生理学 / 数理モデル / コンピュータシミュレーション / 医療AI開発 / 医療AI / 心電図 / 深層学習 / コンピュータ・シミュレーション |
|---|
| 研究開始時の研究の概要 |
基礎と臨床のような「系」を横断する試みについて、数理モデルを用いたシミュレーションにdata drivenなAI手法を適用して、疾患の診断・予測について精度・汎化性能・説明可能性を改善したモデルの開発を電気生理学的領域において提案する。心筋細胞の数理シミュレーションモデルの各数式について、体表心電図・心内心電図のビッグデータより適切な重み付けを行い、遺伝性不整脈疾患症例を用いてvalidationを行った上で、心電図を用いたAIモデルの学習過程に組み込み、精度改善・汎化を行う。より少数のデータセットから高精度の予測モデル開発を行い、精密医療に寄与することを目的とする。
|
| 研究実績の概要 |
本年は主にデータセットの作成と系の概念実証に重きをおいて開発・研究を進めた。心筋細胞の数理シミュレーションモデルの各数式について、体表心電図・心内心電図のビッグデータより適切な重み付けを行うため、カテーテルアブレーション施行患者4800人分、1万時間以上の体表心電図・心内心電図を含むデータセットを構築した。
またシミュレーションモデルに入力するための心房筋・心室筋のアクションポテンシャルを表現する系を数理モデル上で確立した。DNN(deep neural network)をカテーテル・アブレーションを行った患者の心電図に適用することで、これまで不可能であった12誘導心電図からの肺静脈電位の高精度識別・Grad-CAMを用いた可視化に成功した。これによってAIによって心電図に含まれる構造的要素については抽出可能と考えられた。現時点での具体的成果物については事業化を目指した共同研究の立案も同時に行っており、また研究成果についてはAmerican Heart Association Scientific Sessionsで発表を行った。
系として血圧時系列データを用いたデータセットと疾患予測モデル、心不全入院患者における急性期イベントモデルも開発・論文化し、横断的に結合するための素地を整えた。
|
| 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
本年は主にデータセットの作成と系の概念実証に重きをおいて開発・研究を進めたが、これまで抽出困難であった心内心電図と体表心電図の同時記録データセットの構築に成功した点で予定通りの成果を得ることが出来た。
系として血圧時系列データを用いたデータセットと疾患予測モデル、心不全入院患者における急性期イベントモデルも開発・論文化した。
ヒトiPS由来分化心筋のイオンチャネルのデータを取得するための共同研究計画についても策定が進行しており、こちらも十分な進捗を得ることが出来た。モデル構築の途中結果についてAmerican Heart Association Scientific Sessionsで報告を行い、当初予定していた進捗を達成できたと考える。
|
| 今後の研究の推進方策 |
ヒトiPS由来分化心筋のイオンチャネルのデータを取得するための共同研究計画について引き続き策定を行い、2024年度で実際の研究活動を開始する。
2024年度には、加えて心内心電図と体表心電図の同時記録データセットを用いて汎用的なAIモデルの構築を行い、現時点で保有するモデル精度の改善も同時に行う。
血圧時系列AI・心不全入院患者DBの拡張を行い、さらなる系の拡張も予定する。
2025年度で上記モデル群とイオンチャネル数理モデルを融合したモデルの開発に移行する。
|
