Development of advanced quantitative MRI of placental invasion

胎盘侵犯先进定量 MRI 的发展

基本信息

批准号：
20K16687
负责人：
佐藤友美
金额：
$ 2.5万
依托单位：
Tohoku University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K16687/
关键词：
癒着胎盤 MRI 機械学習 AI 定量MRI 放射線科産婦人科

项目摘要

東北大学病院AIラボと連携し、機械学習を用いた、癒着胎盤のMRI画像診断研究を行った。一般的には日常診療において、放射線科医が画像読影する際には、画像だけではなく、幅広い臨床情報を考慮に入れる。機械学習においても、画像データのみの学習ではなく、放射線科医が考慮に入れるような臨床情報を組み込んだ予測モデルが有用ではないかと考え、本研究では、臨床情報を組み込む方法を採用した。画像データは放射線診断専門医が、AIラボ内で作成されたソフトウェアを用いて、手動で胎盤輪郭を囲い、領域抽出したものを用いた。臨床情報は、癒着胎盤のリスク要因として知られている、帝王切開の既往などを採用した。画像データのみ、臨床情報のみ、画像データ＋臨床情報のそれぞれの予測モデルを比較すると、画像データ＋臨床情報の予測モデルが最も高いAUCを示した。画像と臨床情報を与えられた状態での放射線科医の読影実験との比較も行った。産婦人科領域を専門とする放射線診断専門医、産婦人科領域を専門としない放射線診断専門医、専攻医との比較では、機械学習による画像データ＋臨床情報の予測モデルは、産婦人科領域を専門とする放射線診断専門医と同等のAUCを示し、婦人科領域を専門としない放射線診断専門医、専攻医よりも高いAUCを示した。本研究では、既存の研究よりも簡便なモデル（convolutional neural network）を用いているにもかかわらず、高い診断能を達成しており、将来の臨床への機械学習の応用を考慮する点でも意義があると考える。

与Tohoku大学医院的AI实验室合作，我们使用机器学习进行了MRI成像研究。通常，在日常实践中，当放射科医生解释图像时，它们不仅要考虑图像，而且要考虑广泛的临床信息。在机器学习中，我们认为一种预测模型结合了放射科医生所考虑的临床信息，而不仅仅是学习图像数据，这将是有用的，在这项研究中，我们采用了一种结合临床信息的方法。图像数据是通过手动封闭胎盘轮廓并使用AI实验室中创建的放射线专家提取区域来获得的。临床信息包括过去的剖腹产，称为胎盘粘附的危险因素。在比较仅图像数据的预测模型时，仅临床信息，图像数据 +临床信息，图像数据 +临床信息的预测模型显示出最高的AUC。给定图像和临床信息进行了比较与放射科医生的阅读实验。在比较专门从事妇产科领域的放射学专家时，不专门从事妇产科和妇科领域的放射学专家，使用机器学习的图像数据 +临床信息的预测模型表明，AUC与AUC相当于放射学专家，他们在妇产科领域和妇科专业的专业学专家中都没有专业的专业专家。尽管使用了更方便的模型（卷积神经网络），但这项研究仍然具有高诊断能力，而不是现有研究，并且在考虑将来将机器学习应用于临床实践方面也很有意义。