- 課題管理番号
- 23dm0307103h0005
- 統合プロジェクト(二期)
疾患基礎研究プロジェクト<第二期>
- 9つの連携分野プロジェクト
脳とこころの健康大国実現プロジェクト
- 事業名
脳科学研究の戦略的な推進<脳科学研究戦略推進プログラム、革新的技術による脳機能ネットワークの全容解明プロジェクト・戦略的国際脳科学研究推進プログラム> ,
戦略的国際脳科学推進プロジェクト ,
脳とこころの研究推進プログラム
- タグ(2023)
研究開発目的: 治療に関する研究
研究の性格: 医療機器開発<薬機法該当>
研究モダリティ: 不明又は未定
開発フェーズ: 基礎
ICD-10大分類: 神経系の疾患
対象疾患領域: 精神・神経疾患
補足確認: 診断 , 治療
- タグ(2022)
研究の性格: 医療技術・標準治療法の確立等につながる研究<診療の質を高めるためのエビデンス構築<診療ガイドライン作成等>を含む>
開発フェーズ: 非臨床試験・前臨床試験
承認上の分類: 医療機器
対象疾患: その他
疾患領域: 精神・神経疾患 , 老年医学・認知症 , 難病 , 成育
開発目的: 診断 , 治療 , 生活の質<QOL>
- タグ(2021)
研究の性格: 医療技術・標準治療法の確立等につながる研究<診療の質を高めるためのエビデンス構築<診療ガイドライン作成等>を含む>
開発フェーズ: 非臨床試験・前臨床試験
承認上の分類: 医療機器
対象疾患: その他
疾患領域: 精神・神経疾患 , 老年医学・認知症 , 難病 , 成育
開発目的: 診断 , 治療 , 生活の質<QOL>
- タグ(2020)
研究の性格: 医療技術・標準治療法の確立等につながる研究<診療の質を高めるためのエビデンス構築<診療ガイドライン作成等>を含む>
開発フェーズ: 該当なし
承認上の分類: 薬機法分類非該当
対象疾患: その他
疾患領域: 精神・神経疾患
開発目的: 予防・健康 , 診断 , 治療
- タグ(2019)
研究の性格: 医療技術・標準治療法の確立等につながる研究<診療の質を高めるためのエビデンス構築<診療ガイドライン作成等>を含む>
開発フェーズ: 該当なし
承認上の分類: 薬機法分類非該当
対象疾患: 神経系の疾患
- 代表研究機関
- 国立大学法人大阪大学
- 研究代表者
(2023) 貴島晴彦, 国立大学法人大阪大学, 大学院医学系研究科脳神経外科 教授
(2022) 貴島晴彦, 国立大学法人大阪大学, 大学院医学系研究科脳神経外科 教授
(2021) 貴島晴彦, 国立大学法人大阪大学, 大学院医学系研究科脳神経外科 教授
(2020) 貴島晴彦, 国立大学法人大阪大学, 大学院医学系研究科脳神経外科 教授
(2019) 貴島晴彦, 国立大学法人大阪大学, 大学院医学系研究科脳神経外科 教授
- 研究期間
- 2019年度 - 2023年度
- 課題への総配分額
- 147,880 千円
- 研究概要(2023)
- 深層学習から新しい脳波特徴を同定し、てんかん診断に応用する。さらに、これまでに開発したバイオマーカについて、てんかんの予後予測因子になるかを検証する。治療前後の生理学的データを比較することにより、治療効果を早期に予測するシステムを構築する。最終的には最適な治療を提案できる人工知能を構築する。治療開始前の脳波、脳磁図のデータから、治療予後を予測する人工知能の構築を継続する。また、パッチ式脳波計で得られたデータがこれらの技術に応用できるかを検証する。
- 研究概要(2022)
- 令和3年度より継続し、COVID-19の影響で遅れている新規てんかん患者のデータの収集を行い、前向きコホートを構築する。それらと、すでに収集しデータクリーニングを行った後ろ向きのコホート利用して発作予後を予測する人工知能の開発を進める。治療開始前と治療開始後2~3ヶ月の脳波・脳磁図を入力し、治療開始後半年~1年の発作抑制及び発達・認知機能予後を出力として学習を行い、脳波や脳磁図から治療予後を予測する人工知能の構築を進める。並びにその検証を開始する。また、最適な治療を提案する人工知能の作成に着手する。
- 研究概要(2021)
- 前年度より継続しデータの収集を行うとともに、後ろ向きのデータの整備を行う。取得したデータをもとに発作予後を予測する人工知能の開発を進める。治療開始前後2~3ヶ月間の脳波・脳磁図を入力、治療開始後半年~1年の発作抑制及び発達・認知機能予後を予測する人工知能を深層学習にて構築を進める。
- 研究概要(2020)
- 小児・成人合わせて今年度各施設合わせて300例を目標とする。既存データおよび新規データのデータベースを作成するとともに、人工知能の開発を行い最適なネットワークの構築を開始する。
- 研究概要(2019)
- 既存データおよび、新規コホートデータを整備するために、大阪大学大学院医学系研究科内に専用のデータベースを構築する。大阪大学において、治療前の脳機能画像および、治療後の機能的予後と発作抑制のデータがそろったコホートを保有している。これらのデータを解析ができる形に整備しデータベース化する。また、多施設共同にて、てんかん治療前後のデータを取得するための倫理審査を終了する。データ収集システムを確立する。
畳み込みニューラルネットワーク(CNN)であるMnetを開発し、小児ではAUC 0.72でてんかんの予後予測ができることを示した。成人では治療介入前後の2回の脳波データを用いることで予測率が改善された(AUC 0.61)。また、機械学習を用いた識別では臨床データを加えることで予測が改善されることを示した。Self-attention mode で脳波を処理することにより、AIの精度が向上することを示した。脳波の特徴を捉え機械学習に用いるために、多チャンネル脳波信号の時空間パターンをDynamic mode decomposition(DMD)にて抽出しneural decodingの特徴量として用いる方法を開発した。これを安静状態のてんかん患者の脳波に適用し、健常者の脳波と比較したところ、振幅に情報が載るタイプのDMD特徴が識別に有用であることが示された。
この成果について、異なる施設間で結果が汎化されることを確認するため、施設の異なる脳波データを用いても、AIのてんかん診断の精度は異ならず、脳波データの汎用性を示した。また、多施設共同で安静時のてんかん脳磁図コホートを作成している。今後、施設や機種をまたいで使えるバイオマーカの開発に貢献する。
また、大阪大学産業科学研究所との共同研究で、てんかん発作が発作の20秒前から予測できるAIの開発に成功した。また海馬のRipple 波を用いることで海馬硬化症診断、高次機能予測が可能になることを示した。