CT radiomics-based machine learning predicts objective response of first-line chemotherapy in patients with colorectal liver metastases.
| Project/Area Number |
20K07702
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 50020:Tumor diagnostics and therapeutics-related
|
|---|
| Research Institution | Kumamoto University |
|---|
Principal Investigator |
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
日吉 幸晴 公益財団法人がん研究会, 有明病院 大腸外科, 副医長 (30573612)
徳永 竜馬 熊本大学, 大学院生命科学研究部(医), 特定研究員 (20594881)
今村 裕 公益財団法人がん研究会, 有明病院 消化器外科, 医長 (70583045)
清住 雄希 熊本大学, 大学院生命科学研究部(医), 特定研究員 (30827324)
中浦 猛 熊本大学, 病院, 准教授 (90437913)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2021: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2020: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
|---|
| Keywords | 切除不能大腸癌 / 肝転移 / CTテクスチャ解析 / 機械学習 / AI / 化学療法 / 治療効果予測 / Predictive marker |
|---|
| Outline of Research at the Start |
切除不能大腸癌に対する化学療法は、新規薬剤の登場により改善傾向である一方、治療法の選択が複雑になってきている。治療前に各レジメンの治療効果予測が可能となれば、その病変に対する適切な治療法の選択が可能となり、さらに治療成績が改善することが期待される。近年、悪性疾患に対するCTテクスチャ解析を用いた予後予測の報告はなされ始めているが、人工知能 (AI)を用いた化学療法の治療効果予測に関する報告はない。本研究の目的は、AI (機械学習)を用いたCTテクスチャ解析により、切除不能大腸癌肝転移巣に対する全身化学療法の治療効果を予測し、個々の患者に最適な化学療法を同定することである。
|
| Outline of Final Research Achievements |
We aimed to evaluate the clinical efficacy of CT radiomics-based machine learning for colorectal liver metastases as a predictive method for chemotherapy responses in 150 mCRC patients. We identified three parameters as significant features for differentiating responsive and non-responsive metastatic liver tumors by variable selection using Boruta. The machine learning analysis showed high predictive accuracy in the validation cohort, with an AUC of 0.87 for treatment effects. In addition, CT radiomics-based machine learning methods could identify long OS patients. Our approach captured minute differences in CT images of liver metastases and accurately distinguished between responders and non-responders.
|
| Academic Significance and Societal Importance of the Research Achievements |
肝転移は大腸癌の転移再発部位として最も頻度が高く、切除不能な状態で診断されることも多い。本研究結果は、このような患者に対し、全身化学療法の治療効果予測が可能となる。CTテクスチャ解析と機械学習を組み合わせて、癌に対する化学療法の治療効果予測に関する報告は少なく、その意味でも本研究の意義は高いと考えられる。また、CTは大腸癌治療前に必ず撮影する一般的な検査法であり、それ以外の特別な検査を要しないため、患者や医療経済に与える負担が少なく非常に有用なツールとなりうる。
|
Report
(4 results)
Research Products
(6 results)
