| 研究課題/領域番号 |
21K07690
|
|---|
| 研究機関 | 地方独立行政法人東京都健康長寿医療センター(東京都健康長寿医療センター研究所) |
|---|
研究代表者 |
下地 啓五 地方独立行政法人東京都健康長寿医療センター(東京都健康長寿医療センター研究所), 東京都健康長寿医療センター研究所, 研究員 (20348931)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | brain / magnetic resonance / diffusion |
|---|
| 研究実績の概要 |
大脳皮質基底膜症候群を呈する大脳皮質変性症（CBD-CBS）とリチャードソン症候群を伴う進行性核上性麻痺（PSP-RS）の鑑別は特に初期においては臨床症状や病態が密接に重なるためしばしば困難である。我々はクラスタリングと疾患進行モデリングを統合した新しい教師なし機械学習技術であるSubtype and Stage Inference（SuStaIn）を用いて、横断的データに基づく純粋なCBS患者とPSP-RS患者の脳萎縮の時間的進行パターンの違いを検討した。CBS患者、PSP-RS患者、健常対照者の横断的脳領域体積にSuStaInを適用し、異なる萎縮パターンを持つCBSとPSP-RSの2つの疾患亜型と経過の推定を行った。CBSとPSP-RSの進行モデルと分類精度を先行研究のものと比較し、SuStaInの性能を評価した。SuStaInは、CBSとPSP-RSの脳萎縮の時間的進行パターンを明確に同定しクロスバリデーション下で高い再現性を確認した。横断的な構造的脳MRIデータに基づいて、これらの疾患を高い精度と感度で分類することができた。SuStaInのステージは、疾患期間のような疾患ステージのラベルがなくても、疾患の重症度を正しく反映できた。SuStaInは、CBSおよびPSP-RS患者の疾患メカニズムの理解、正確な患者層別化、予後判定を行える可能性を示した。以上の成果の一部を論文化し報告した。Front Neurol. 2022 Feb 25;13:814768. doi: 10.3389/fneur.2022.814768.
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
クラスタリングと疾患進行モデリングを統合した新しい教師なし機械学習技術であるSubtype and Stage Inference（SuStaIn）を用いて、横断的データに基づく純粋なCBS患者とPSP-RS患者の脳萎縮の時間的進行パターンの違いを検討し、成果の一部を論文化し報告した。
|
| 今後の研究の推進方策 |
引き続きクラスタリングと疾患進行モデリングを統合した新しい教師なし機械学習技術であるSubtype and Stage Inference（SuStaIn）を用いた疾患鑑別について検討を進める。
|
