| 研究課題/領域番号 |
19K09245
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
島村 和男 大阪大学, 医学系研究科, 寄附講座准教授 (10507205)
|
|---|
| 研究分担者 |
政田 健太 大阪大学, 医学部附属病院, 特任助教 (60770584) [辞退]
金 啓和 大阪大学, 医学系研究科, 特任研究員 (70532985)
倉谷 徹 大阪大学, 医学系研究科, 特任教授 (90448035)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 大動脈解離 / ステントグラフト / AI |
|---|
| 研究実績の概要 |
本研究においては、大動脈解離におけるTEVAR治療後の偽腔血栓化・退縮達成率を予測し、適切な術式決定を効率的に行えるシステム(Artificial Intelligence supported Aortic Dissection Manager; AI-ADM)を開発することを最終目標としている。そのプロセスとして、研究計画書に則り、大動脈解離に対するTEVARを施行した症例を対象として臨床的に有用性が高いと判断された術前情報・手術情報および術後情報を収集している。この際、申請者らのグループ病院36施設が参加している既存のOsaka Cardiovascular Research (OSCAR) databaseを用いることで、多施設から対象症例を抽出し可能な限り大規模データの確保を行い、分類パラメータおよび数値データの中心化などの下準備を行った上で専用データベース化する作業を継続している。収集項目には4D-CT画像解析による大動脈壁弾性度を含めたため、データベース構築に時間を要しており、深層学習ドレーニングを開始するべく準備を進めている。
|
| 現在までの達成度 |
現在までの達成度
3: やや遅れている
理由
本年度は申請者らのグループ病院36施設が参加している既存のOsaka Cardiovascular Research (OSCAR) databaseを用い、多施設から対象症例を抽出し分類パラメータおよび数値データの中心化などの下準備を行っている。しかしながら大動脈解離関連のデータベース項目に追加を行ったためデータベース構築に時間を要しており、深層学習ドレーニングの開始へ向けて引き続き準備を進めている。
また同時並行にMRIソフトウエアであるiT Flow(CardioFlow Design社)を用いた4D-flow MRIによる偽腔内血流評価および4D-CTによる血管弾性評価を行っており、最終的に完成したAIアルゴリズムの理論解明を行う際の重要なデータとなると考えている。
|
| 今後の研究の推進方策 |
前年度に引き続きAI解析の基盤となるデータベース構築を進める予定である。また、構築した専用データベースおよびパラメータを用い、データを学習用データ(80%)と検証用データ(20%)に分け、学習用データを用いて深層学習トレーニングを行う。深層学習には申請者らの施設に既存の高性能コンピュータを使用し、画像解析アルゴリズム(AI-ADM image)と情報解析アルゴリズム(AI-ADM intelligence)を作成する。その後、これら深層学習アルゴリズムの精度を、検証用データで実際に検証する。分類や学習率などのパラメータの変更を行い複数のアルゴリズムを作成することで、アルゴリズムの診断精度を向上させる予定である。
|
| 次年度使用額が生じた理由 |
当初計画では国内外の学会参加などによる情報収集を行う予定であったが、コロナウイルス感染拡大に伴いオンライン参加が主となったことにより、旅費に関し大幅な経費削減が可能となった。次年度では計画よりやや遅延しているデータ収集に伴う人件費などとして使用する予定である。
|
