Akito Yabu 研究室
主宰者:Akito Yabu
東京都立大学
AI 要約(直近 5 年の研究成果)
本研究室は、脊椎疾患とその治療成績に関する臨床的ならびに基礎的研究に取り組んでいます。特に、加齢に伴う骨粗鬆症や脊椎管狭窄症、頸椎症性脊髄症といった脊椎疾患の発症機序を明らかにし、患者の日常生活機能と生活の質の向上を目指しています。腰部や頸部の脊椎疾患患者を対象とした多施設前向き研究を実施し、画像所見と臨床症状の関連性、術前後の身体機能の変化、心理社会的要因の影響などを総合的に解析しています。
手術治療の成績向上に向けた研究も重要な柱です。椎体圧潰骨折に対する前後方固定術における固定具の沈み込みリスク因子の同定、脊椎管狭窄症に対する低侵襲除圧術の長期成績評価、手術後の脊椎アライメント変化の追跡調査など、様々な手術術式における予後関連因子を明らかにする研究を展開しています。また、人工知能(深層学習)を用いた画像診断補助ツールの開発も行い、骨粗鬆症や脊椎管狭窄症の早期発見への応用を進めています。
基礎研究では、脊椎周囲組織の変性メカニズムに焦点を当てています。機械的刺激によって誘導される黄色靱帯の肥厚や脂肪由来幹細胞を用いた骨再生、脊椎周囲筋の萎縮と脊椎アライメント変化の関連性など、組織学的・分子生物学的なアプローチから脊椎疾患の基盤を探索しています。これらの知見は臨床治療の開発につながることが期待されます。
※ 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)
- 計算機科学Kiyoharu Aizawa 研究室東京大学論文 132 件·共通: 深層学習, AI・機械学習, 機械学習, 機械 +9
- 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, 機械 +8
- 環境科学Sameh A. Kantoush 研究室京都大学論文 100 件·共通: AI・機械学習, 機械学習, 機械, 学習 +8
- 保健専門職Qi An 研究室東京大学論文 156 件·共通: AI・機械学習, 機械学習, 機械, 学習 +7
- 心理学Zilu Liang 研究室東京大学論文 148 件·共通: AI・機械学習, 機械学習, 機械, 学習 +7
- 環境科学Taikan Oki 研究室University of Tokyo Hospital論文 142 件·共通: AI・機械学習, 機械学習, 機械, 学習 +7
- 材料科学Teruyasu Mizoguchi 研究室東京大学論文 116 件·共通: AI・機械学習, 機械学習, 機械, 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, 学習, 情報工学 +6
研究成果(40 件)
- DOI: https://doi.org/10.31616/asj.2025.0454
- DOI: https://doi.org/10.1302/2046-3758.1410.bjr-2025-0092.r1
- DOI: https://doi.org/10.1038/s41598-025-11285-3
- DOI: https://doi.org/10.1007/s00586-025-08908-8
- DOI: https://doi.org/10.1302/1358-992x.2024.15.007
- DOI: https://doi.org/10.1016/j.xnsj.2024.100432
- DOI: https://doi.org/10.1016/j.xnsj.2024.100433
- [2024] Deep learning-based detection of lumbar spinal canal stenosis using convolutional neural networksDOI: https://doi.org/10.1016/j.spinee.2024.06.009
- DOI: https://doi.org/10.31616/asj.2023.0174
- DOI: https://doi.org/10.1097/bsd.0000000000001585
続きを表示(残り 30 件)閉じる
- DOI: https://doi.org/10.1097/brs.0000000000004595
- DOI: https://doi.org/10.1016/j.spinee.2023.01.023
- DOI: https://doi.org/10.1096/fj.202200917rr
- DOI: https://doi.org/10.1007/s00586-022-07495-2
- [2022] Machine-learning-based approach for nonunion prediction following osteoporotic vertebral fracturesDOI: https://doi.org/10.1007/s00586-022-07431-4
- DOI: https://doi.org/10.3390/jcm11175230
- DOI: https://doi.org/10.1093/mr/roac049
- DOI: https://doi.org/10.1038/s41598-022-06140-8
- DOI: https://doi.org/10.3390/jcm11030602
- DOI: https://doi.org/10.1093/mr/roab106
- DOI: https://doi.org/10.1016/j.spinee.2021.11.012
- DOI: https://doi.org/10.1007/s00264-021-05256-2
- DOI: https://doi.org/10.3390/jcm10215001
- DOI: https://doi.org/10.1186/s13023-021-02031-9
- DOI: https://doi.org/10.22603/ssrr.2021-0088
- DOI: https://doi.org/10.1177/23094990211060967
- DOI: https://doi.org/10.1007/s00774-021-01261-y
- DOI: https://doi.org/10.1016/j.spinee.2021.05.111
- DOI: https://doi.org/10.3171/2020.11.spine201552
- DOI: https://doi.org/10.22603/ssrr.2021-0060
- DOI: https://doi.org/10.1016/j.spinee.2021.03.006
- DOI: https://doi.org/10.3390/jcm10061187
- DOI: https://doi.org/10.1038/s41598-021-84363-x
- DOI: https://doi.org/10.1016/j.jos.2021.01.004
- DOI: https://doi.org/10.1097/brs.0000000000003997
- DOI: https://doi.org/10.1016/j.spinee.2021.02.004
- DOI: https://doi.org/10.1007/s00586-021-06754-y
- DOI: https://doi.org/10.1038/s41598-021-82015-8
- DOI: https://doi.org/10.1177/2309499021994969
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)。