• 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

深層学習による血管造影用カテーテライゼーション難易度と最適なカテーテル形状の解明

研究課題

  • PDF
研究課題/領域番号 20K22862
研究種目

研究活動スタート支援

配分区分基金
審査区分 0902:内科学一般およびその関連分野
研究機関北海道大学

研究代表者

森田 亮  北海道大学, 医学研究院, 助教 (30872626)

研究期間 (年度) 2020-09-11 – 2022-03-31
キーワードAI / Deep Learning / カテーテライゼーション / 難易度 / 血管 / IVR
研究成果の概要

血管内カテーテル治療における標的血管へのカテーテル挿入難易度を判定可能なAI開発を目的として、2020年度に専門医1名による腹腔動脈から総肝動脈へのCT VRデータを用いた視認性難易度評価試験結果を元にAI解析を行った。その結果、困難例とそれ以外の2群に分けた場合には、Overall accuracy は、89.05%と比較的良好であった。2021年度には、IVR専門医3名による視認性評価試験を元にAI解析を行い、カテーテル挿入困難例と非困難例の2群を弁別するoverall accuracy は60%以上を示し、非困難群を選び出すprecision(適合率)は80%を超えた。

自由記述の分野

Interventional Radiology

研究成果の学術的意義や社会的意義

医療画像データを用いた画像診断の深層学習に関しては、肺結節の良悪性鑑別や脳動脈瘤の検出、肝腫瘍の鑑別など様々な報告がされ、深層学習が放射線診断専門医と同等の診断能や検出能があることも報告されている。一方、手術や血管内治療など医学的手技の難易度を、深層学習によって事前の画像データから解明するという報告はなく本研究は世界初の試みとなる。本研究で開発したカテーテライゼーションの難難易度及び適切なカテーテル判定システムは、頭頸部や脳、心臓、 骨盤、下肢など他の血管内治療領域への応用が可能である。これにより、従来経験に基づいて方針が決定されている医学的手技に科学的視点を導入する事が可能となる。

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