| 研究課題/領域番号 |
19K17077
|
|---|
| 研究機関 | 国立研究開発法人国立精神・神経医療研究センター |
|---|
研究代表者 |
山口 博行 国立研究開発法人国立精神・神経医療研究センター, 神経研究所 疾病研究第七部, リサーチフェロー (40822557)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | 深層学習 / 機械学習 / 精神疾患 / 脳画像 / 次元的アプローチ / 人工知能 |
|---|
| 研究実績の概要 |
令和3年度は、これまでに作成した3次元Convolutional Autoencoder(3D-CAE)に統合失調症患者と健常者を含む3次元脳構造MRIデータセットを入力し、特徴量の抽出を行なった。テストデータセットは学習に使用したデータセットとは完全に独立したデータを用いた。その結果、抽出された特徴量は症状や服薬量など統合失調症と関連した情報を含んでいることを統計的に示し、従来手法を上回っていることを確認した。従来手法を用いた研究は、神経科学、脳解剖学に基づいたアトラスを元に、脳領域から脳体積や脳皮質厚の値を算出し特徴量とすることがほとんどであった。この場合は、特徴量を抽出する過程で、人間の経験的なバイアスが含まれる可能性がある。一方、本研究においては深層学習アルゴリズムの一種である3D-CAEを用いており、人間によるバイアスを排除して、自己組織的に特徴量抽出が可能であり、これまで失われていた脳画像に含まれる情報も抽出できた可能性がある。また、次元的アプローチの理念に基づいて、DSM-5やICD-10などの診断基準による診断ラベルを用いず学習しているにもかかわらず、統合失調症の症状重症度や抗精神病薬の服薬量と関連した特徴量を抽出できており、統合失調症のみならず他の様々な精神疾患の脳画像にも転用できる可能性が示唆された。成果の一部は学会発表を行なっており、原著論文として国際誌に掲載された。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
計画通り抽出した特徴量と様々な臨床情報との関連性の検討行っているが、評価方法についてのさらなる検討を重ねており、当初の予定より時間を要している。進捗はやや遅れているが、概ね当初の目標は達成していると考えられる。
|
| 今後の研究の推進方策 |
特徴量の評価方法、特に可視化方法を検討し進めていく。また、随時モデルのアーキテクチャの構成の再検討を進め、アルゴリズムの洗練を行なっていく。
|
| 次年度使用額が生じた理由 |
令和3年度の使用額としては、研究室内の設備を活用できたため、クラウドコンピューティングサービスの利用が最小限であった。また、新型コロナウイルス感染症蔓延の影響で成果報告の場が限られてしまったことから出張費が予定よりも大幅に少なくなった。 次年度は、さらなる計算を行うため、クラウドコンピューティングサービスの利用も考えている。また、研究成果報告のため学会発表・論文発表の機会があるため、その必要経費として割り当てる予定である。
|
