• 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

2021 年度 研究成果報告書

深層学習による画像解析を用いた顕微鏡画像からの新規抗動脈硬化治療薬の開発

研究課題

  • PDF
研究課題/領域番号 19K08549
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53020:循環器内科学関連
研究機関慶應義塾大学

研究代表者

楠本 大  慶應義塾大学, 医学部(信濃町), 助教 (70571727)

研究期間 (年度) 2019-04-01 – 2022-03-31
キーワード血管老化 / 細胞老化 / 人工知能 / 畳み込みニューラルネットワーク / 新規評価指標 / 細胞形態 / Deep-SeSMo
研究成果の概要

昨今、加齢関連疾患の病態において細胞老化が重要な位置付けを占めていることが報告されている。特に、血管内皮細胞の老化は様々な臓器の病態進行に重要であることから、新規の治療標的であると考えられる。本研究では、人工知能技術の一つである畳み込みニューラルネットワークを用いて、細胞形態を指標として血管内皮細胞の老化度合いを定量的評価する技術(Deep-SeSMo)を開発した。Deep-SeSMoは分子生物学的ラベルを用いることなく、簡単な顕微鏡撮影のみで細胞老化が評価可能であり、ラベルフリーで薬剤スクリーニングが実行可能である。同システムを用いることで血管老化を抑制する候補化合物を同定した。

自由記述の分野

循環器内科学

研究成果の学術的意義や社会的意義

本研究では畳み込みニューラルネットワークを用いて、細胞老化の程度を高い精度を持って定量的に評価可能であることが判明した。従来、画像解析を用いて疾患細胞を分類することは可能であったが、本研究では学習済みモデルを用いて確率分布に従って出力を行うことで、その病的中間状態に対して定量的な連続評価を可能にしたことは新規性が非常に高い。本技術は、病的細胞評価方法の基盤的技術となる可能性があり、さらなる発展が期待される。また血管老化による臓器障害は今後もさらに増加することが予想されることから、本技術を用いて血管老化抑制薬の探索が進むことが期待される。

URL: 

公開日: 2023-01-30  

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