Ryo Sakamoto 研究室
主宰者：Ryo Sakamoto
京都大学・Kyoto University Hospital
AI 要約（直近 5 年の研究成果）
本研究室は、医療用画像検査から得られる情報を活用して、肺疾患の診断と患者の予後を予測する研究に取り組んでいます。特に、胸部CT画像を詳細に分析することで、慢性閉塞性肺疾患（COPD）や喘息といった気道疾患の病態を明らかにすることを目指しています。研究では、CT画像上に映る気道の形態変化、粘液栓塞、肺気腫のパターン、および筋肉量の低下などの特徴を定量的に評価し、呼吸機能障害や患者の日常生活動作の喪失、長期的な予後との関連を調べています。
手法としては、高精細CT画像の視覚的評価に加えて、人工知能を活用した自動解析システムを導入しています。これにより、従来は目視で判定していた肺の異常領域を、より客観的かつ定量的に捉えることが可能になりました。また、気道微生物群集の組成分析や組織学的な炎症細胞の計測も組み合わせることで、画像所見の背景にある生物学的メカニズムを多角的に理解しようとしています。
さらに、深層学習やテンポラルサブトラクション技術といった最新の画像処理技術を応用し、わずかな変化の検出精度を高める研究も展開しています。これらの成果は、肺疾患患者の適切な治療方針の決定や、疾患進行の予防に貢献することが期待されています。
※ AI（Claude）が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 医学Shouhei Hanaoka 研究室University of Tokyo Hospital論文 126 件·共通: 深層学習, AI・機械学習, 機械学習, 肺 +10
- 医学Shinji Tanaka 研究室東京大学論文 149 件·共通: 深層学習, AI・機械学習, 機械学習, 計算機科学 +7
- 工学Ryo Natsuaki 研究室東京大学論文 181 件·共通: 深層学習, AI・機械学習, 機械学習, 計算機科学 +6
- 計算機科学Takahiro Ogawa 研究室北海道大学論文 100 件·共通: 深層学習, AI・機械学習, 機械学習, 計算機科学 +6
- 医学Masateru Takigawa 研究室University of Tokyo Hospital論文 188 件·共通: AI・機械学習, 機械学習, 計算機科学, システム +7
- 医学Kentaro Goto 研究室University of Tokyo Hospital論文 158 件·共通: AI・機械学習, 機械学習, 計算機科学, システム +7
- 医学Satoshi Konno 研究室Hokkaido University Hospital論文 100 件·共通: 肺, 呼吸器, 炎症, 学習 +7
- 計算機科学Hiroshi Saruwatari 研究室東京大学論文 187 件·共通: 深層学習, AI・機械学習, 計算機科学, システム +5
研究成果（40 件）
- DOI: https://doi.org/10.1186/s12931-025-03421-4
- DOI: https://doi.org/10.1021/acs.molpharmaceut.5c00674
- DOI: https://doi.org/10.1016/j.rmed.2025.108468
- DOI: https://doi.org/10.1016/j.resinv.2025.10.007
- DOI: https://doi.org/10.1016/j.radcr.2025.08.022
- DOI: https://doi.org/10.1016/j.anndiagpath.2025.152522
- DOI: https://doi.org/10.1016/j.rmed.2025.108169
- DOI: https://doi.org/10.1186/s12931-025-03211-y
- DOI: https://doi.org/10.2169/internalmedicine.4247-24
- DOI: https://doi.org/10.1183/23120541.00841-2024
続きを表示（残り 30 件）閉じる
- DOI: https://doi.org/10.1016/j.placenta.2024.07.254
- DOI: https://doi.org/10.1016/j.alit.2024.05.004
- DOI: https://doi.org/10.1111/resp.14776
- DOI: https://doi.org/10.1186/s12890-024-03002-z
- DOI: https://doi.org/10.1016/j.alit.2024.01.013
- DOI: https://doi.org/10.1183/23120541.00695-2023
- DOI: https://doi.org/10.1016/j.resp.2024.104216
- DOI: https://doi.org/10.1016/j.resinv.2023.12.004
- [2023] Evaluation of Bone Mineral Density in Lung Transplant Recipients by Chest Computed TomographyDOI: https://doi.org/10.1159/000535269
- [2023] Resolution of Eosinophilic Pneumonia after Coronavirus Disease 2019 without Systemic CorticosteroidsDOI: https://doi.org/10.2169/internalmedicine.1648-23
- DOI: https://doi.org/10.1183/23120541.00235-2023
- DOI: https://doi.org/10.1186/s40792-023-01652-5
- DOI: https://doi.org/10.1016/j.ejrad.2023.110823
- DOI: https://doi.org/10.3390/tomography9020062
- DOI: https://doi.org/10.1016/j.chest.2023.01.034
- DOI: https://doi.org/10.1159/000529031
- DOI: https://doi.org/10.18653/v1/2023.bionlp-1.4
- DOI: https://doi.org/10.1016/j.healun.2022.12.010
- DOI: https://doi.org/10.1152/japplphysiol.00385.2022
- DOI: https://doi.org/10.1038/s41598-022-14400-w
- DOI: https://doi.org/10.1038/s41598-022-14190-1
- DOI: https://doi.org/10.1016/j.ejrad.2022.110294
- [2022] Deep learning–based algorithm improved radiologists’ performance in bone metastases detection on CTDOI: https://doi.org/10.1007/s00330-022-08741-3
- DOI: https://doi.org/10.1183/23120541.00063-2022
- DOI: https://doi.org/10.1007/s00330-022-08678-7
- DOI: https://doi.org/10.2139/ssrn.4076830
- DOI: https://doi.org/10.1016/j.resinv.2021.10.004
- DOI: https://doi.org/10.1038/s41598-021-97607-7
- DOI: https://doi.org/10.3389/frai.2021.694815
- DOI: https://doi.org/10.3997/2214-4609.202112777
科研費（0 件）
まだデータがありません（KAKEN 取り込み後に表示）。
所属学会・役職（0 件）
まだデータがありません（学会データ連携後に表示）。