人工知能に基づく頸動脈プラークの安定性評価のための統合システム

脳卒中は、高い死亡率と障害を伴う世界的な病気です。 頸動脈プラークの安定性の評価は、脳卒中予防にとって重要な臨床的意義があります。

超音波は、実用的で高速、非侵襲的、非放射線の検査技術として、頸動脈プラークの安定性の評価に広く使用されています。 超音波によって頸動脈プラークの安定性を評価する方法は数多くあります。 2 次元の超音波画像から抽出されたテクスチャ特徴を使用して、追跡スキャンの微妙な違いを定量化できます。 プラークのエラストグラフィーを使用して、反応性プラークの弾性特性の変化を定量化できます。 造影超音波 (CEUS) を使用して、微小血管の密度を定量化できます。 ただし、これらのさまざまな方法で得られた結果には偏りがあり、一致性が低いことがわかります。 プラーク安定性評価のための統一された体系的な評価システムと客観的なガイドラインが不足しています。 これに関連して、プラーク安定性評価のテーマは、世界中の研究者によって集中的に研究されてきました。 最先端の評価に基づいて、超音波検査で安定していると判断されたプラークの一部が最終的に破裂することがわかりました。 逆に、超音波検査上の不安定なプラークの一部は脳卒中を引き起こしませんでした。 この混乱は、プラークの破裂が、サイズ、形状、組成などの本質的な特性だけでなく、生体力学、ひずみ、流れ場などの外部要因にも関連していることを示しています。 病理学的プラークの挙動をより深く理解するには、壁せん断応力、流れ剥離、二次流れなど、動脈内の血行力学的問題を研究する必要があります。 人工知能技術の最近の急速な発展は、医療画像処理や画像解析に広く使用されています。 これらの技術により、利用可能なビッグデータを最大限に活用した教師あり学習が可能になります。 したがって、この研究の主な目的は、人工知能技術を使用して、i) プラークの組織学、血行力学などを含む多くの指標を評価し、ii) 頸動脈プラークの安定性を判断するための統一的かつ定量的な基準を確立することです。

このプロジェクトで解決すべき重要な科学的問題は、臨床上の意思決定のために頸動脈プラーク破裂のリスクを予測するための客観的なモデルを確立することです。

これは主に、データベースの構築、モデルのトレーニング、臨床検証の 3 つの主要モジュールに分けることができます。

1. データベースの構築

1. 電子カルテシステムから患者の診療情報を取得します。
2. 超音波画像における画像解析技術を使用して、さまざまな画像テクスチャパラメータとプラークの組織学的組成の間の関係を研究します。 テクスチャパラメータに基づいて頸動脈プラークの安定性を評価する方法を確立する。
3. 超音波（せん断波）エラストグラフィーを使用して、組織の弾性の評価に基づいて頸動脈プラークの脆弱性を評価する方法を確立します。
4. 頸動脈速度ベクトルイメージングと血流渦操作技術を組み合わせて、脆弱性プラーク血流渦の中心位置と軌道角運動量の正確な測定を実現し、渦ベクトル血流に基づく脆弱性プラーク検出のための新しい技術を提供します。 ブロック検出の新技術。 動脈プラークの生体力学的特性は、動脈壁の同期性と調整を検出することによって評価されます。 心周期におけるさまざまな種類のプラークの生体力学的特性と安定性の間の関係も調査されます。
5. 定量的CEUS分析と局在化顕微鏡を使用して、微小血管密度、構造、およびCEUSから抽出されたその他の定量的特徴の影響に焦点を当てて、CEUSと頸動脈プラークにおける血管新生との関係を研究します。 これらの特徴に基づいて、プラーク破壊の予測モデルを設計および評価します。
6. 数値流体力学モデリングを使用して、プラーク増殖中の局所血行力学および血液成分濃度分布に対する幾何学的変化の影響を研究します。 プラークの増殖メカニズムと血行力学への影響についてはさらに分析が行われる予定です。

2. 深層学習モデル 上記のすべてのパラメータを取得した後、これらのパラメータと頸動脈プラークの安定性の間の相関関係を機械学習によって研究します。

抽出された特徴を入力として受け取る機械学習分類器が設計されます。 特徴の選択は、プラークの安定性の評価とプラークの破裂の予測に最も寄与する相補的特徴のセットを特定するために、k 分割交差検証を通じて実装されます。 特に、1 年以内に脳卒中が発生するかどうかを予測することを目指しています。 十分なデータが利用可能な場合、ディープ畳み込みニューラル ネットワークも設計され、予測モデルを学習するようにトレーニングされます。 このプロセスでは、トレーニング、テスト、および検証セットに対する分類パフォーマンスを評価することにより、過剰適合のリスクが慎重に考慮されます。

その結果、モデルの複雑さは利用可能なトレーニング セットに合わせて調整されます。

3. 臨床評価 開発された頸動脈プラークの破裂による脳卒中予測モデルの検証は、多くの病院に拡大される予定です。 モデルの信頼性と使いやすさがテストされます。 臨床結果とフィードバックから利益を得て、モデルの更新と改善が周期的に行われることが想定されています。 補助意思決定支援の精度率は 90% 以上のレベルが期待されます。