| 研究課題/領域番号 |
21K08140
|
|---|
| 研究機関 | 藤田医科大学 |
|---|
研究代表者 |
渡邉 英一 藤田医科大学, 医学部, 教授 (80343656)
|
|---|
| 研究分担者 |
寺本 篤司 藤田医科大学, 保健学研究科, 教授 (00513780)
祖父江 嘉洋 藤田医科大学, 医学部, 准教授 (20724793)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | 突然死 |
|---|
| 研究実績の概要 |
日本では、年間約7万人が心臓突然死で亡くなるが、この原因の多くは急性冠症候群（急性心筋梗塞と不安定狭心症）や心筋症などの器質的疾患や、ブルガダ症候群や先天性QT延長症候群などの一次性遺伝性疾患に伴う心室性頻脈性不整脈とされる。これらは生前に何らかの心電図異常を伴うものの、それらは正常境界であったり、あるいは明らかな異常を呈しても必ずしも突然死に至るわけではない。そこで本研究では、当院で記録された80万例の12誘導心電図データを、敵対的生成ネットワーク（GAN）を用いて、心臓突然死症例の仮想心電図に変換し、変換前の心電図との差を検出評価することによって、心臓突然死リスクを予測する斬新な技術を開発することを目標とした. まず、12誘導心電図をmedical waveform format encoding rule形式に変換した。次いでパイロット研究として、既報に基づいてII,V3,V5,aVR誘導を解析に使用した。この4誘導をcsv形式とした後にpngファイル（224×224 pixels）に変換した。次いでCCUに入院した1万例の中で院内死亡例309例と年齢性別が一致した生存例309例を取り出して4種類のconvolutional neural networkモデルで解析を行った。この結果、VGG16のaccuracy（81.4％）が最も高かった。また、CNN最後の畳み込み層により抽出された特徴量をgradient-weighted class activation mappingで処理した結果、生存例のホットスポットはV3誘導のST部分であり、また、死亡例のホットスポットはV3,V5誘導のQRS波であった。今後は、心筋梗塞、ブルガダ症候群や先天性QT延長症候群など疾患ごとに解析を行うとともにチューニングを加えて転帰の予測能を向上させることを目標とする。
|
| 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
12誘導心電図の処理と解析については、民間業者の協力も得られた結果、順調に進んでいる。今回のパイロット研究では深層学習の実施要領や問題点も確認できたため、研究土台は固まったと考えている。
|
| 今後の研究の推進方策 |
深層学習法を用いた医用画像の診断支援事例が数多く報告されているが、正確性を向上させるためには、数多くの識別モデルと生成モデルが必要である. 心臓突然死を起こす心電図所見は多種多様で、中には正常所見のものも含まる. さらに深層学習に求められるだけのアノテーションのなされた患者データを多数準備することは極めて困難である. そこで、データ不足を補うため，GANを用いたデータ生成・変換技術により、正常や異常境界域の心電図を突然死発症例の心電図に変換できれば，より高い精度で深層学習処理が実施できるのではないかと考えている. さらに，患者一人から得られる複数のデータ群の関連性も考慮しながらデータ生成を行うことで，単なる形態的な画像変換にとどまらず発病のメカニズムをデータ内に包含できるのではないかとも考えている.準備状況としては，分担研究者らはすでに呼吸器や消化器疾患画像のGANによる画像生成にも成功しており，多くのノウハウがすでに蓄積されているため精力的に進めていく予定である。
|
| 次年度使用額が生じた理由 |
残金204円で購入できる文房具がなかったため。次年度に繰り越して消耗品費として使用する。
|
