Discovery Sagaサイレントキーワード俯瞰

パーキンソン病 / 深層学習 / iPS細胞 / 機械学習 / 高速3Dフローイメージャー

パーキンソン病症例の9割を占める孤発性症例は臨床症状からもその原因が多様な集団と予測され、疾患修飾治療法の開発にはその層別化が必須と考えられる。申請者は孤発性症例の患者iPS細胞表現型を遺伝性症例と比較しながら解析し、その表現型から分類することができれば最適な治療の開発につながると考え研究を進めてきた。しかしながら通常の統計解析手法では細胞表現型のデータから孤発性症例を層別化することが困難であったという課題が浮かび上がった。そこで本研究では、申請者がこれまで樹立した数百例の孤発性パーキンソン病患者iPS細胞由来ニューロンに対して　①細胞染色画像情報の直接の機械学習　②高速3Dイメージャーを用いたハイスループットな細胞3D形態情報の取得とその機械学習　という2つの方法を用いることにより、各症例を客観的に分類可能な独自のシステムを構築することを目標とした。本研究の結果で孤発性症例が分類されれば、その成果を応用した新たな疾患修飾薬を用いた根本的治療の開発が期待できる。今年度は機械学習の分類器の精度を向上させるために8種類の遺伝性PD-iPS細胞でさらに多くの表現型の取得を進め、機械学習の判別精度を従来よりも高めることに成功した。太田らが開発した高速3Dフローイメージャーを用いてハイスループットに細胞画像データを取得し、機械学習をそのデータに適用し細胞形態情報からPD患者と健常者の識別を試みるための高速3Dフローイメージャーの最適化を行った。

DAT SPECT / 核医学 / 機械学習 / パーキンソン病 / パーキンソン症候群 / 画像診断

本研究の目的はDAT SPECTの新たな定量化方法を考案、検討し、従来の測定法と比較してより診断精度の高い方法を求めることである。
新たな定量値としてはフラクタル解析で得られるフラクタル次元（FD、Fractal Dimension）の有用性を以前報告し、さらに従来用いられている定量値であるSBR(Specific Binding Ratio)やAI(Asymmetry Index)とこのFDを機械学習（support vector machine）を利用して組み合わせて画像診断することで、検査の診断能がより向上することが確認できた。続いて従来用いられている定量値であるSBRに関して脳脊髄液マスク補正という手法が有用であることも検討を行った。
さらにDAT SPECTから得られる各種の定量値（SBR、PCR[putamen-to-caudate ratio]、AI）を的確に用いることでパーキンソン病や非定型パーキンソン症候群をより正確に鑑別することが可能かどうか、その診断体系の確立を目的とする研究を行った。実際にはこれらDAT SPECTの各定量値に加え、MIBGシンチから得られる定量値（H/M比、Washout Rate）を組み合わせることでこれらの疾患をより正確に鑑別できることを証明した。
さらに追加研究としてパーキンソン病やレビー小体型認知症におけるDAT SPECTの所見と脳血流シンチグラフィとの相関関係に関して現在研究、検討を進めている。

【研究分担者】
清田純	国立研究開発法人理化学研究所	情報統合本部	チームリーダー	(Kakenデータベース)
太田禎生	東京大学	先端科学技術研究センター	准教授	(Kakenデータベース)
石川景一	順天堂大学	大学院医学研究科	准教授	(Kakenデータベース)