| 研究実績の概要 |
本研究では、冠動脈不安定粥腫の同定を目指し、剖検を行った検体45例の剖検心から冠動脈を剥離し、体外で光干渉断層画像(OFDI)カテーテルを冠動脈内に挿入し冠動脈の連続OFDI断層画像を撮影しました。その後に冠動脈をOFDI画像と対比できるよう3mm間隔のブロックで切り出し、パラフィンで固定し、検体ブロックを4μmの厚さで薄切し、病理切片(断層画像)を作成・染色しました。冠動脈の形態、冠動脈側枝からの距離を参考に、病理切片と体外で得たOFDI画像を1:1で対比させ、病理画像の組織性状診断は病理学専門医が行いました。OFDIと病理のペア画像は1,693ペア作成し、その内、病理画像上で異常所見があると判断されたもの1,103ペア画像をディープラーニングの入力用画像として使用。ディープラーニングのアルゴリズムはPSPnetを用い、encoderとしてResNet50のアルゴリズムを用いて、ディープラーニングワークステーションへ実装しました。それにより、初年度は高い精度で冠動脈不安定粥腫を同定することに成功しました。次年度は同アルゴリズムを使用して、実臨床で取得されたOFDI画像を組織性状解析し、冠動脈カテーテル治療(PCI)に与える影響について調査しました。結果、深層学習モデルにより冠動脈石灰化プラークと診断された病変に対してステントを用いたPCIを行うと、ステント血栓症の原因の一つであるステント拡張不良が生じる傾向にあることが分かりました。最終年度は診断精度をさらに向上させるために動物実験を実施しました。教師データを増やすために、ウサギの腸骨動脈に動脈硬化モデルを作成し、同部位にOFDIを行い、OFDIと病理のペア画像を得ました。動物実験を行うことで、画像を502ペア増やすことができ、構築したディープラーニングアルゴリズムによる診断精度を大きく向上させることに成功しました。
|
