• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2020 年度 研究成果報告書

Deep learningによる神経変性画像解析の研究

研究課題

  • PDF
研究課題/領域番号 18K18452
研究種目

挑戦的研究(萌芽)

配分区分基金
審査区分 超高齢社会研究
研究機関京都大学

研究代表者

井上 治久  京都大学, iPS細胞研究所, 教授 (70332327)

研究分担者 近藤 孝之  京都大学, iPS細胞研究所, 特定拠点講師 (80536566)
矢田 祐一郎  国立研究開発法人理化学研究所, バイオリソース研究センター, 特別研究員 (80805797)
研究期間 (年度) 2018-06-29 – 2021-03-31
キーワードALS / Deep Learning / 超早期病態 / 診断 / データサイエンス
研究成果の概要

ALSなどの神経変性疾患では、超早期病変の病態の検出と解明が必要である。本研究では、健常者及びALS患者iPS細胞を用いて運動神経細胞を作製後、撮像し、膨大な画像情報を収集した。神経変性を予知する指標を得るために、この情報を数千次元の解析が可能なDeep Learningで学習することで、通常の解析では検出できない超早期の病的変化を同定した。Deep Learningは、通常の解析では検出できないALS運動神経細胞の病変を検知した。本結果から、Deep LearningはALSの診断をサポートするとともに、本方法が将来的なALSの治療促進と克服につながる可能性が考えられた。

自由記述の分野

神経変性疾患

研究成果の学術的意義や社会的意義

本研究では、人工知能(Artificial Intelligence: AI)を用いて、神経難病である筋萎縮性側索硬化症(ALS)の病態の検知・診断への応用を目指した研究を行いました。
本研究では、人間の考えを挟むことなく大量のデータからその特徴を抽出できるDeep LearningというAIとiPS細胞由来運動神経細胞を用いて、ALSを予測するAIモデルを構築しました。本研究成果は、今後のAIとiPS細胞のテクノロジー融合による疾患予測と克服に貢献することが期待されます。

URL: 

公開日: 2022-01-27  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi