• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to previous page

肺癌病理診断におけるデジタルパソロジー技術及び人工知能の有用性の検討

Research Project

Project/Area Number 19K16573
Research Category

Grant-in-Aid for Early-Career Scientists

Allocation TypeMulti-year Fund
Review Section Basic Section 49020:Human pathology-related
Research InstitutionShinshu University (2022-2023)
Shizuoka Cancer Center Research Institute (2019-2021)

Principal Investigator

寺田 志洋  信州大学, 医学部, 特任助教 (10712789)

Project Period (FY) 2019-04-01 – 2025-03-31
Project Status Granted (Fiscal Year 2023)
Budget Amount *help
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2021: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2020: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2019: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
Keywords肺癌 / 予後予測 / 人工知能 / 腫瘍内微小環境 / 肺腺癌 / 予後因子 / 腫瘍構成成分 / デジタルパソロジー / 病理 / ゲノム解析
Outline of Research at the Start

原発性肺癌の病理組織分類には、浸潤径の計測に加え、癌細胞の増殖様式による肺腺癌組織亜型の判定が必要である。その判定の煩雑さゆえに、診断者間の判定の差異が指摘されている。
本研究は、人工知能を活用し肺癌の病理組織学的情報を分析、処理することで、予後に関わる形態学的情報の客観的評価を可能にする診断支援システムの構築を目的とする。この定量化された病理組織学的情報に基づいた客観的な予後因子の評価により、精度の高い予後予測が可能となる。また、各腫瘍の定量化された病理診断による形態学的情報と、ゲノム解析による分子生物学的情報の関連性についても検討する。

Outline of Annual Research Achievements

本研究では、人工知能を活用し肺癌の病理組織学的情報を分析、処理することで、予後に関わる形態学的情報の客観的評価を可能にすることを目的とした。この定量化された病理組織学的情報に基づいた客観的な予後因子の評価により、精度の高い予後予測が可能になると考えた。これに関連し、本年度では下記の研究を行った。
・肺癌切除検体において、腫瘍内微小環境を評価するために、肺癌腫瘍組織中のCD8陽性T細胞、Foxp3陽性T細胞、PD-L1 TPSを人工知能を用いて定量的に測定した。これらを用いて作成したパラメータが肺癌切除症例において予後予測に有用である可能性を示した。この内容について論文を作成、投稿し、acceptされた。
上記研究において、肺癌の病理組織学的情報を定量的に測定するうえで人工知能は非常に有用なツールであった。肺癌病理診断において客観性、かつ再現性のある病理組織の評価を可能にする人工知能は、今後の肺癌病理診断の発展に少なからず貢献できるものと考えられる。
今後は肺癌切除症例において、HE染色、AE1/AE3染色を行なった病理スライドを用いて、腫瘍構成成分の面積を各成分ごとに人工知能を用いて定量的に測定し、予後因子を探索していく予定である。

Current Status of Research Progress
Current Status of Research Progress

4: Progress in research has been delayed.

Reason

肺癌切除症例において、HE染色、AE1/AE3染色を行なった病理スライドを用いて、腫瘍構成成分の面積を各成分ごとに人工知能を用いて定量的に測定したが、その測定結果の解析、解釈に時間を要している。

Strategy for Future Research Activity

測定したデジタルデータの解析を進める。

Report

(5 results)
  • 2023 Research-status Report
  • 2022 Research-status Report
  • 2021 Research-status Report
  • 2020 Research-status Report
  • 2019 Research-status Report
  • Research Products

    (4 results)

All 2023 2021 2020

All Journal Article (2 results) (of which Peer Reviewed: 2 results,  Open Access: 1 results) Presentation (2 results)

  • [Journal Article] Prognostic significance of tumor microenvironment assessed by machine learning algorithm in surgically resected non-small cell lung cancer2023

    • Author(s)
      Yukihiro Tterada, et al.
    • Journal Title

      Cancer Reports

      Volume: -

    • DOI

      10.1002/cnr2.1926

    • Related Report
      2023 Research-status Report
    • Peer Reviewed / Open Access
  • [Journal Article] The efficacy of a machine learning algorithm for assessing tumour components as a prognostic marker of surgically resected stage IA lung adenocarcinoma2023

    • Author(s)
      Yukihiro Tterada, et al.
    • Journal Title

      Japanese Journal of Clinical Oncology

      Volume: 53 Issue: 2 Pages: 161-167

    • DOI

      10.1093/jjco/hyac176

    • Related Report
      2022 Research-status Report
    • Peer Reviewed
  • [Presentation] 機械学習による腫瘍構成成分の定量的測定は、pStageIA原発性肺腺癌の予後予測に有用である2021

    • Author(s)
      寺田志洋
    • Organizer
      第62回日本肺癌学会学術集会
    • Related Report
      2021 Research-status Report
  • [Presentation] 非小細胞肺癌における機械学習アルゴリズムを用いたCD8陽性腫瘍内浸潤リンパ球の評価と予後との関連性2020

    • Author(s)
      寺田志洋
    • Organizer
      第61回日本肺癌学会
    • Related Report
      2020 Research-status Report

URL: 

Published: 2019-04-18   Modified: 2024-12-25  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi