深層学習による分画化技術を用いてうつ病症例の手綱核体積を測定する
概 要
久良木悠介、大石直也、諏訪太朗、村井俊哉ら京都大学の研究グループは、うつ病と関連すると考えられている皮質下構造の一つである手綱核について、用手的な区画化画像を教師データとして深層学習を用い、3テスラMRI画像上で高速かつ自動的に区画化を行うモデルを作成した。より精密な同一患者の7テスラMRI 画像を用いて妥当性を確認した後に国際脳課題で収集したデータセット（うつ病234名、健常148名）を用いて手綱核の体積と臨床情報の相関を調べた。手綱核の体積は全群で年齢と逆の相関があり、これはうつ病群においてさらに顕著となった。また、年齢と機種間差を除外した時、女性においては重症度と体積の逆相関が見出された。これらの結果より、手綱核体積は特に女性においてうつ病の診断マーカーの一つとなる可能性が示唆された。
論文情報
＜タイトル＞
Segmentation and volume estimation of habenula using deep-learning in patients with depression
DOI: https://doi.org/10.1016/j.bpsgos.2024.100314
＜著者＞
Yusuke Kyuragi, Naoya Oishi, Momoko Hatakoshi, Jinichi Hirano, Takamasa Noda, Yujiro Yoshihara, Yuri Ito, Hiroyuki Igarashi, Jun Miyata, Kento Takahashi, Kei Kamiya, Junya Matsumoto, Tomohisa Okada, Yasutaka Fushimi, Kazuyuki Nakagome, Masaru Mimura, Toshiya Murai, Taro Suwa
＜掲載誌＞
Biological Psychiatry: Global Open Science, April 03, 2024