2019 Fiscal Year Research-status Report
電気けいれん療法の急性期作用期機序解明に関するマルチモーダルでの縦断的観察研
| Project/Area Number |
17K10315
|
|---|
| Research Institution | Keio University |
|---|
Principal Investigator |
平野 仁一 慶應義塾大学, 医学部(信濃町), 助教 (60574910)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山縣 文 慶應義塾大学, 医学部(信濃町), 講師 (30439476)
杉浦 悠毅 慶應義塾大学, 医学部(信濃町), 講師 (30590202)
内田 裕之 慶應義塾大学, 医学部(信濃町), 講師 (40327630)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Keywords | 精神医学 / 気分障害 / 電気けいれん療法 / 脳画像 |
|---|
| Outline of Annual Research Achievements |
2020年3月31日時点で、21症例が登録されている。本年度は１年間で6症例の登録を行った。研究遂行にあたって有意な有害事象は認められていない。 電気けいれん療法(ECT:Electroconvulsive therapy)施行前後でMontgomery Asberg Depression Rating Scale(MADRS)総得点にて計測されうるうつ病の重症度は改善を示した。予備的な解析を行いfunctional MRI（fMRI）にて計測される安静時機能的結合性がECT施行前後で変化する傾向が確認された。また、MRIの構造 画像解析では海馬を中心として灰白質の容積がECT施行前後で 増加する傾向、白質が変化する傾向が確認された。また、本研究課題と関連してECTの治療効果に関する麻酔薬の影響を調べ、その影響を明らかとしている。本年度は画像解析の講習会に積極的に参加し、本研究にて行う画像解析技法並びに機械学習を用いた解析技法を習得した。特に本年度は機械学習についての理解を深め、これを作用機序解明に役立てようと試みた。試験的に本課題と関連した研究としてECTの臨床的特徴を用いて機械学習にてECTの治療効果を72.4％の精度で予測するモデルを作成した。今後本研究で得られたデータをもとに治療効果予測モデルの作成やECTの治療効果も特徴量に含めた層別化を用いることによりECTの作用機序解明を目指していく。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
2020年3月31日時点で、2年間で21症例が登録されている。本年度は１年間で6症例の登録を行った。当初は1年間に10症例の登録を目指していたが、本年度は目標症例数には達していない。これは、当院の精神科病床の削減による影響が大きい。
|
| Strategy for Future Research Activity |
4年計画の3年目が終了した時点で、有意な結果を得るまで症例数が至っていない。
このため次年度も引き続き症例登録を遂行していくが、現在コロナウィルスによる非常事態宣言に伴い慶應義塾大学では研究のための症例登録が困難となっている。慶應義塾大学の関連施設での症例登録も検討するがこちらも困難が予想される。本年度が最終年度にあたるため、現有のデータをもちいて、脳波、MRI、NIRSに関して得られたデータをもとに解析を開始する。解析においては、機械 学習の手法も取り入れ、高度な解析を行っていく。
|
| Causes of Carryover |
症例登録が予定数まで至らなかったため、また人件費が想定されていたよりも少なくて済んだため。未使用金については、次年度の症例登録に充てる予定である。
|
