| Project/Area Number |
19K09526
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 56010:Neurosurgery-related
|
|---|
| Research Institution | Asahikawa Medical College (2020-2023)
Osaka University (2019) |
|---|
Principal Investigator |
木下 学 旭川医科大学, 医学部, 教授 (40448064)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
有田 英之 大阪大学, 大学院医学系研究科, 招へい教員 (60570570)
金村 米博 独立行政法人国立病院機構大阪医療センター(臨床研究センター), その他部局等, 機関長・部門長クラス (80344175)
橋本 直哉 京都府立医科大学, 医学(系)研究科(研究院), 教授 (90315945)
|
|---|
| Project Period (FY) |
2019-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2021: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2020: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2019: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
|
|---|
| Keywords | 膠芽腫 / 予後予測 / MRI / 神経膠腫 / 放射線画像 / 深層学習 / 人工知能 / 機械学習 / 予後 / Radiomics解析 / 予後予測因子 |
|---|
| Outline of Research at the Start |
がん治療は初発時に行う一次治療、再発時に行う二次治療、再再発時の三次治療…、というように疾患の進行、再発とともに治療内容を変更することが一般的である。現在はがんの再発検出は血清腫瘍マーカー検査やCT、MRIを中心とした画像検査に依存している。がん治療内容の変更は上述のような検査によって「再発」が宣言され、その後「次治療」が計画、実行される。本研究では現状の「事後的次治療施行」から、がん「再発」を事前に予測し「予防的・事前的治療」が行えるアルゴリズム、つまりがん患者の「未来予測」を可能とするようなアルゴリズムの開発を目指す。
|
| Outline of Annual Research Achievements |
がん治療は初発時に行う一次治療、再発時に行う二次治療、再再発時の三次治療…、というように疾患の進行、再発とともに治療内容を変更することが一般的である。現在はがんの再発検出は血清腫瘍マーカー検査やCT、MRIを中心とした画像検査に依存している。がん治療内容の変更は上述のような検査によって「再発」が宣言され、その後「次治療」が計画、実行される。本研究では現状の「事後的次治療施行」から、がん「再発」を事前に予測し「予防的・事前的治療」が行えるアルゴリズムの開発を、脳腫瘍の代表格である膠芽腫をモデルとして試みることを目的とする。具体的には、画像、遺伝子、臨床情報を機械学習アルゴリズムで結合することで、がん患者の「未来予測」を可能とすることを目指した。
本研究ではRadiomicsを中心とした網羅的画像解析技術の開発から、遺伝子情報、臨床情報、画像情報という異なった次元から多角的に原疾患を観察し、従来の手法では結合が困難であった画像から腫瘍遺伝子情報にまでまたがるマルチモダール情報を機械学習で結合することで、上記の課題の解決を試みた。
本研究では悪性度脳腫瘍の代表格である膠芽腫の臨床経過を高い精度で予測できるようなアルゴリズムの開発が達成できた。膠芽腫患者の予後予測因子として年齢、初診時の神経症状、手術による摘出度（残存腫瘍量）を組み合わせることで、精緻な予後予測が可能であることが示唆された。
また、研究計画通り、「検証フェーズ」では独立した2つのコホートで構築されたモデルの一般性を確認することもできた。
|
