Investigation of the descending pain inhibitory system in the chronic pain using brain network analysis

利用脑网络分析研究慢性疼痛中的下行疼痛抑制系统

• 批准号: 18K07730
• 负责人: 和田 昭彦
• 金额: $ 2.66万
• 依托单位: Juntendo University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2018
• 资助国家: 日本
• 起止时间: 2018-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-18K07730/
• 关键词: 慢性疼痛; 脳内ネットワーク; 脳MRI; 拡散テンソル画像; 疼痛関連脳内ネットワーク; 機械学習; 口腔内灼熱症候群; 舌痛症; 拡散テンソルMR画像; グラフ理論解析; グラフニューラルネットワーク; 脳ネットワーク; コネクトーム; 拡散テンソルMRI; 神経路; 下行性疼痛抑制系

本研究の目的は、慢性疼痛に関連した脳ネットワークの可視化、とくに下行性疼痛抑制系に関して、症状の重篤度との関連、治療効果の評価およびその事前予測の可能性を追求することである。これまでの研究にて、140例の慢性口腔内疼痛疾患（舌痛症、口腔異常感症、非定型歯痛）の臨床データおよび頭部MRI画像データを収集。拡散テンソルMRトラクトグラフィを用いた構造的脳ネットワーク解析を用いて、侵害刺激の伝達・処理システムである疼痛関連領域（ペインマトリックス）および、中脳にある中脳中心灰白質（脊髄の疼痛信号入力の抑制）の結合性（コネクティビティ）を検討した。拡散テンソル（神経線維路）解析、ペインマトリックスのネットワーク解析（グラフ理論解析）、これに機械学習（人工知能技術）を応用したネットワーク隣接行列の認識・分類では、慢性疼痛関連の脳内ネットワーク解析は可能であったが、下行性疼痛抑制系に関しての疾患群と健常者、疾患内での病型・臨床経過の分類に到達できず、新たな技術としてRelational graph convolution network(R-GCN)を導入して、舌痛症と非定型歯痛の識別の精度向上を試みた。脳構造ネットワークのGCNによる舌痛症と非定型歯痛の識別精度は、大脳のみを対象とした場合0.65、PAGを加えると0.72に向上した。さらに病型識別の精度向上を目指して、新たな評価・解析方法を模索中である。なお、本研究の遂行過程で会得した画像認識・機械学習モデル構築の技術・経験をもとにいくつかの医用画像の機械学習に関する研究・報告を行っている。

The objectives of this study were to visualize the relationship between chronic pain and development, to explore the relationship between downward pain suppression, the severity of symptoms, the evaluation of treatment outcomes, and the possibility of prior prediction. In this study, 140 patients with chronic intraoral pain disorders (glossodynia, oral paraesthesia, and atypical dental pain) were collected from clinical data and MRI images of the head. To investigate the association between pain related domains (selection and processing) and central gray lines (inhibition of pain signal entry from spinal cord) in the structure of pain related domains (selection and processing). Analysis of dispersion, selection, generation, classification, application of machine learning (artificial intelligence technology), recognition of adjacent rows, classification, analysis of internal generation related to chronic pain, possibility, downward pain suppression system, disease group, disease type, classification of clinical process, New technologies and Relational graph convolution network(R-GCN) are introduced to improve the accuracy of glossodynia and atypical dental pain recognition. The accuracy of recognition of glossodynia and non-stereotypic pain is 0.65 and 0.72 respectively. The accuracy of disease pattern recognition is improved, and new evaluation methods are proposed. This study will be carried out in the process of portrait recognition, mechanical learning, construction technology, research and report on mechanical learning of medical portraits