多チャンネルカスケードニューラルネットワークに基づく手綱核の定量的研究とうつ病患者の治療効果予測モデルの確立

うつ病は、我が国における疾病負担の第 2 位の原因です。 うつ病は人間の身体的および精神的健康に深刻な影響を及ぼし、うつ病患者の約 30% は抗うつ薬治療に反応しないか、または反応が不十分です。 臨床現場は、うつ病を評価する客観的な尺度を求めるという厳しい立場にある。 申請者とそのチームは長年にわたり手綱核（Hb）の基礎研究と臨床研究に取り組み、動物実験や患者の磁気共鳴（MR）研究から多大な経験を蓄積してきました。 これらの研究は、手綱核がうつ病の病態生理学的変化とその治療に関与する重要な標的領域であることを実証しました。 Hb の MR イメージングでは、体積が小さいこととコントラストが不十分であることが厄介な問題でした。 さらに、時間のかかる手作業によるセグメンテーションと従来の研究における定量的基準の欠如が、Hb 研究の進歩を妨げてきました。 幸いなことに、高解像度マルチパラメトリック定量的 MR イメージングの開発と医療イメージングにおける人工知能 (AI) 技術の広範な使用により、Hb のイメージング、セグメンテーション、および定量化が強力にサポートされます。 このプロジェクトでは、Hb の高解像度 MR 解剖学とマルチモーダル融合を組み合わせて使用​​することを提案しています。1) 高密度に接続されたマルチチャネル拡張畳み込みニューラル ネットワークに基づいて、Hb MR 画像の自動 3D セグメンテーションのためのモデルを構築します。 2) ラジオミクス手法を使用して抗うつ薬の有効性に関連する定量的画像シグネチャを選別し、臨床情報と組み合わせて、治療有効性の個別予測モデルを構築します。

全体として、この研究は、臨床現場で定量化可能な客観的な画像マーカーを提供し、臨床上の意思決定を促進し、個別化された正確な診断と治療をもたらすことを期待して、基礎研究を臨床応用に移行することに焦点を当てています。