| Project/Area Number |
19K08224
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Kanazawa University |
|---|
Principal Investigator |
吉田 耕太郎 金沢大学, 附属病院, 特任准教授 (30645130)
|
|---|
| Project Period (FY) |
2019-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
Fiscal Year 2021: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2020: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
Fiscal Year 2019: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | 前立腺癌 / MRI / テクスチャ解析 / テクスチャ / 機械学習 / テクスチャデータ / テクスチャデータ解析 |
|---|
| Outline of Research at the Start |
前立腺癌は頻度の高い男性癌である。MRI検査による前立腺癌の診断は前立腺生検に比較して非侵襲的であるが、現状の診断精度は高いとは言えない。本研究は前立腺癌において癌病変内テクスチャデータが病理学的にいかなる所見を反映しているのかを解明し、更に画像から得られたテクスチャ解析によるビッグデータを機械学習法を用いた統計分析により、現状のマルチパラメトリックMRIによる前立腺癌の局在診断能と悪性度診断能の向上を目指し、前立腺癌の画像診断に新たなフレームワークを与える。
|
| Outline of Annual Research Achievements |
本研究は、手術症例リストから取得した前立腺全摘症例とMRI所見を対比して、MRI画像における非侵襲的な前立腺癌検出手法の開発を主目的にしている。既存の方法と異なるのはテクスチャデータを用いた解析を行っていることであり、新たなモデルを作成する事により、汎用性の高い検出手法、悪性度診断に繋がると考えられる。
当院における前立腺癌全摘症例を対象にして、画像での解析と病理学的所見の関係性を中心に解析、検討を進めている。既に様々な臨床的背景（年齢、身長、体重、BMI、生検前PSA値、前立腺生検の結果、臨床病期）を電子カルテから抽出されており、前立腺生検結果、外科的切除における病理結果は病理診断レポートを参照に情報取得は完了している。昨年度に引き続き、前立腺癌のMRI画像と病理所見との突合を継続して行っている。また突合できた各病変の病理学的悪性度とMRIでの異常信号との関連性を検討している。一般的な視覚評価によるgradingやADC値などの定量値と悪性度との間の関係性が一部明らかではあるが、精度は十分とは言えない。
現在テクスチャ情報を抽出してモデル作成を行っており、視覚評価よりも高精度に病変の検出、分別が行える可能性があると考えられる。今後は最適化したモデルを作成するために機械学習の様々なパラメーターをチューニングしていく。また新規の外部データを用いてその精度を検証する予定にしている。さらに今後はデータを集積してまとめ、科学論文化を目指している。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
新型コロナウイルス感染に伴う研究活動の制限や自粛などは解消されたが、病理と画像情報との突合に時間を要しており、顕微鏡を用いての解析や画像解析に十分な時間を割くことができず遅延している。
|
| Strategy for Future Research Activity |
現在、症例の突合と解析を進める一方でモデル作成にも挑んでいる。
Pythonを用いた特徴量抽出やモデル構築には様々なチューニングが必要であり、色々模索をしている段階である。
今後は良好なモデルを作成し、外部データを用いて精度の検証を行う。
|
