Outcome prediction for stroke patients

中风患者的结果预测

• 批准号: 22K11356
• 负责人: 小山 哲男
• 金额: $ 2.66万
• 依托单位: Hyogo Medical University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K11356/
• 关键词: 脳卒中; 予後予測; 拡散テンソル法; 再現性; GPU; 予測; 脳画像; 重症度; モデル

脳卒中患者は本邦で約111万人と推計され、上肢下肢機能や認知機能、および日常生活動作に重篤な障害を呈する。そのような障害を軽減するため、リハビリテーションが行われる。そこでは、個々の患者がどの程度回復するかを見立てること、すなわち予後予測が必要である。近年のさまざまな研究より、予後予測において脳画像の重要性が明らかとなってきた。最近注目を集めている脳画像手法のひとつであるMRI拡散テンソル法に着目して、研究環境の構築を行なった。拡散テンソル法画像の解析方法のひとつに、脳内神経線維の走行を擬似的に表現するトラクトグラフィーがある。これは病変による神経繊維障害の可視化、および線維連絡の頑強性の定量化を行う手法である。優れた解析方法であるが、これまで線維追跡のための出発点および終点は検者の手作業により定められており、再現性に大きな課題があった。また従来のコンピュータの処理速度では、1症例に約24時間を要した。これらの難点から臨床応用は限られていた。研究初年度（令和4年度）、上記2つの難点を克服するための手法を導入した。1つ目には、線維追跡の出発点と終点について、標準脳で定められたテンプレート（Warrington et al. Neuroimage 2020）を使うことである。これにより神経線維の描出およびFAの算出は高い再現性で行われることとなった。2つ目にはコンピュータ解析にGraphics Processing Unit（GPU）を導入したことである。GPUは比較的単純な計算の並列処理から成り立っており、人工知能の開発や応用で近年注目されている装置である。これにより1症例あたりの解析時間は40分程度になった。これらの成果は次年度以降の研究に活かされる。

据估计，日本大约有110万中风患者在上肢和下肢功能，认知功能和日常生活中表现出严重的疾病。进行康复以减轻这种障碍。在那里，有必要确定个别患者的康复程度，即预测预后。近年来，各种研究揭示了大脑成像在预测预后中的重要性。我们专注于MRI扩散张量方法，这是最近引起关注并创造了研究环境的大脑成像方法之一。分析扩散张量方法图像的一种方法是拖拉术，该方法模拟了大脑中神经纤维的运行。这是一种可视化因病变引起的神经纤维疾病并量化纤维通信的鲁棒性的技术。尽管这是一种出色的分析方法，但纤维跟踪的起点和终点已由检查员手动确定，并且可重复性受到重大挑战。此外，常规计算机的处理速度大约需要24小时。由于这些困难，临床应用受到限制。在研究的第一年（2022）中，引入了克服以上两个困难的方法。首先，我们使用标准的脑定义模板（Warrington等人2020年神经图像）进行启动和结束纤维跟踪。这允许描绘神经纤维和以高可重现性进行FA的计算。第二个是引入用于计算机分析的图形处理单元（GPU）。 GPU由相对简单的平行计算处理组成，并且是最近引起人们对人工智能开发和应用的注意力的设备。这导致每例大约40分钟的分析时间。这些结果将从明年开始的研究中使用。