MRIから神経症状を推測する機械学習モデルの開発

开发机器学习模型以从 MRI 推断神经系统症状

• 批准号: 22K16697
• 负责人: 吉江 智秀
• 金额: $ 2.66万
• 依托单位: National Cardiovascular Center Research Institute
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K16697/
• 关键词: 機械学習; AI; 脳梗塞; MRI; 脳機能分布; 再開通治療

本研究はMRI上の脳梗塞の位置から推定される症状を判定するシステムを機械学習を用いて開発することを目的とする。脳梗塞の再開通治療では、症状は生じているが脳が壊死（脳梗塞）になっていない領域が救済領域となる。脳梗塞発症直後では、症状は生じているが壊死には至っていない領域が存在し、その領域が再開通治療で壊死を免れると症状は回復する。この領域の判断には、MRI等で脳梗塞の部位を確認し、「脳梗塞の部位から生じうる症状」と「実際の症状」のミスマッチ（Clinical-ischemic core mismatch）があるかを判断する必要がある。ミスマッチがなければ、生じている症状は壊死した細胞により引き起こされているため、再開通治療を行っても改善は難しい。一方でミスマッチがあれば、血流再開により壊死を免れることで症状の改善が期待できる。このようにミスマッチの判断は脳梗塞再開通治療において重要であるが、脳の機能分布は複雑であり、どの部分の脳の障害でどのような症状が生じるかを明確に説明することは難しい。このためミスマッチの判断基準は明確ではなく、診察した医師が経験的に判断することや簡易的な基準で判断することが多い。本研究により機械学習を用いてMRI所見から症状を推測するモデルが作成出来れば、症状と画像のミスマッチをより正確に判断することが可能となると期待される。現在まで少数例でのテスト学習を行い、神経症状の総合判定については比較的良好な予測が得られると期待できた。特に主幹動脈閉塞のような典型的な症状を生じることが多い脳梗塞については予測が比較的しやすいと考えられた。一方で麻痺や失語などの一つ一つの症状の評価の場合、その責任病巣となりうる脳の部位が複数に渡ることから精度がやや低下していた。現在少数例での検討のみのため、今後症例数を増やす事により精度の改善は期待される。

这项研究旨在使用机器学习开发系统，以确定从MRI上脑梗塞位置估计的症状。在重新运行脑梗塞的治疗中，发生症状但大脑不是坏死（脑梗塞）的区域成为救济区域。大脑梗塞发作后，立即发生症状，但没有发生坏死，如果该区域免除了坏死，则可以恢复症状。为了确定该区域，有必要使用MRI或类似方法检查脑梗塞的部位，并确定“可能来自大脑梗塞部位可能引起的症状”与“实际症状”之间的临床 - 缺血性核心不匹配。没有不匹配的情况，出现的症状是由坏死细胞引起的，因此即使重新手术治疗也很难改善。另一方面，如果存在不匹配，则可以通过恢复血流并避免坏死来改善症状。因此，不匹配的判断对于恢复脑梗塞很重要，但是大脑的功能分布很复杂，因此很难清楚地说明发生了什么症状。因此，确定不匹配的标准尚不清楚，经常根据简单的标准对医生进行审查或基于简单的标准。如果可以使用这项研究来创建一种模型，该模型使用机器学习从MRI发现中引起症状，则可以更准确地确定症状和图像之间的不匹配。迄今为止，我们已经在少数病例中进行了测试学习，我们可以期望看到对神经系统症状的整体评估的相对良好的预测。人们认为它相对容易预测，尤其是对于脑梗塞，通常会产生典型的症状，例如主动脉阻塞。另一方面，当评估瘫痪或失语症等每个单独状况时，由于可能导致该病的大脑部分的数量分布在多个大脑区域中，因此准确性会略有降低。目前，我们仅考虑少量案例，因此我们希望通过增加案例数量来提高准确性。