2020 年度実施状況報告書

3T-MRI頭頸部画像でリンパ節転移の自動診断人工ニューラルネットワークの開発

研究課題

研究課題/領域番号	20K16834
研究機関	東京医科大学
研究代表者	勇内山大介東京医科大学, 医学部, 助教 (50774056)
研究期間 (年度)	2020-04-01 – 2024-03-31
キーワード	3T-MRI / 頭頸部癌 / リンパ節 / GRASP
研究実績の概要	頸部リンパ節を抽出して評価する必要があるため、周囲組織とリンパ節のコントラストが良好が画像が良いと考察し、3T-MRIによる造影撮影シークエンスごとに、頸部リンパ節の画質と周囲組織との分解能評価を行うことから始めた。TSE系の造影T1強調像、脂肪抑制を加えたvolumetric interporlated breth-hold examination(vibe)、Dixonを用いた脂肪抑制の有無、compressed sensing技術を応用したGolden-angle RAdial Sparse Parallel(GRASP)-vibeにて比較検討を行った。脂肪抑制を加えていない画像ではリンパ節と脂肪組織の境界をAIで認識することは難しいと考えられた。また脂肪抑制vibeではmotion artifactが生じることがあり、GRASPは原理的にmotion artifactが押さえられる傾向にあった。このため、GRASP-vibeを用いた画像で研究を行うこととした。東京医科大学病院、東京医科大学八王子医療センターにて共通の3T-MRIの機種にて同一条件で撮影を行うこととし、症例の蓄積を始めた。GRASPは時間分解能に優れており、時間分解能3秒程度でdynamic撮影を行うことも可能である。AIに取り込ませる際にkinetic curveそのものを認識させることも考慮しており、撮影シークエンスを熟慮したことで研究の幅がひろがったものと考えている。画像認識を行うAIのプログラミングも進行しており、DICOM画像をMATLABに取り込み、画像を認識させることは技術的に可能であった。現在適切なアプリケーションを吟味している最中である。
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最新のシークエンスによる撮影方法を2病院で同時に始めることに技術的な問題で遅れが生じたこと、COVID-19の影響を思わせる新規患者数の減少、撮影できる機械が2病院それぞれで1つしか存在しないためにすべての患者を撮影できていないことなどが問題と考えられる。また画像認識AIのプログラミング構築自体にも苦慮している。画像全体を取り込んでリンパ節のみを認識させようと考えていたが、なかなかうまくいかず、リンパ節以外の臓器を認識して自動的に削除するセグメンテーション技術が必要と思われる。
今後の研究の推進方策	画像認識AIのプログラミングでのセグメンテーション技術の遂行を図るために、専門科の訪問等によってアドバイスを取り入れており、徐々に進行していく。撮影シークエンスの構築は十分に熟慮を重ねたため、この点は今後問題は生じないものと考えている。症例蓄積は徐々に進んでいくと思われるが、当該診療科やMRI撮影室への患者誘導の奨励を引き続きお願いしていく。
次年度使用額が生じた理由	COVID-19の影響で出張が一切できなくなったため、より研究環境を充実させるために物品費へと充填を行った。本年度も予定していた出張を行うことは難しく、物品費の支出に充てる予定だが、研究遂行に支障が出ることはないと考えている。