| Project/Area Number |
20K08005
|
|---|
| 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 | Komazawa University |
|---|
Principal Investigator |
藤田 幸男 駒澤大学, 医療健康科学部, 准教授 (10515985)
|
|---|
| Project Period (FY) |
2020-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2022: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2021: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2020: ¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000)
|
|---|
| Keywords | 肺機能画像 / CT装置 / 非線形位置合わせ法 / 個別化放射線治療 / 放射線治療 / 放射線肺臓炎 / 有害事象発生予測 / 線量分布最適化 / 深層学習 / 汎用CT装置 / 画像処理 |
|---|
| Outline of Research at the Start |
肺・縦隔領域の腫瘍に対する放射線治療では正常な肺の重篤な副作用 (放射線肺臓炎) がしばしば問題となり、腫瘍の局所制御率の低下の原因となっている可能性がある。本研究では汎用的なCT装置のみを用いた新しい肺機能（肺胞換気能と肺血流量）の画像化手法と、この情報を用いた放射線治療の線量分布最適化アルゴリズムを開発する。これにより放射線肺臓炎の発生リスク低下と高い腫瘍制御率を両立した放射線治療技術（オーダーメイド放射線治療法）を実現する。特別な設備を必要としない本技術は国内外の放射線治療施設で広く普及することが期待できる。
|
| Outline of Annual Research Achievements |
本研究は放射線肺臓炎の発生リスク低下と高い腫瘍制御率を両立した新しい放射線治療技術を開発することを目的としている。そのために研究期間で特別な設備を必要としない2つの肺機能（肺胞換気能と肺血流量）の画像化手法を確立し、２つの肺機能の情報を使用した放射線治療の線量分布最適化手法を開発する。
2023年度は前年度に引き続き2つの肺機能の情報を使用した放射線治療の線量分布最適化手法の実現性と有効性について検討を進めた。従来の方法では肺胞換気能と肺血流量のどちらか一方のみを考慮した最適化手法が検討されており、両方の機能を考慮した最適化手法の実現性と臨床的な有効性の検討は行われていない。これに対して、肺胞換気能と肺血流量の2つの情報を線量分布最適化へ組み込んだ手法を実現化し、この方法と従来の手法との比較を行った。得られた研究成果について関連学会で報告した。また、2021年度に構築した深層学習技術による放射線肺臓炎発生における高リスク領域の特定法の線量分布最適化への応用についても検討を続けている。
2023年度も継続してこれまでに得られた肺機能画像のための最適なCT撮像法の有効性を共同研究施設で放射線治療を施行される患者さんに対して実施した。これにより、2023年度で患者データの取得が完了できた。現在、得られた患者データを解析し、本研究課題で開発した肺機能画像の画像化の有効性について検討を勧めている。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
2023年度は前年度に引き続き、肺機能の情報を使用した放射線治療の線量分布最適化手法における基盤技術を開発することを目的としていた。研究実績に示したようにその目的は十分に達成された。またコロナ禍の影響により、臨床研究データの取得が遅れていたが、2023年度でデータの取得を完了できた。これにより、すべてのデータをまとめた解析を開始している。
|
| Strategy for Future Research Activity |
本研究は当初の計画どおりに研究成果を蓄積できているが、やや遅れて推進されている。2024年度で取得されたデータから得られた肺機能画像から投与線量と肺機能の変化についての定量評価の結果を取りまとめ、この手法の有効性を明らかにする。さらに、2021年度開発した深層学習による技術を組み合わせた放射線治療の線量分布最適化手法の開発を継続する。
|
