| Project/Area Number |
20K16402
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 50020:Tumor diagnostics and therapeutics-related
|
|---|
| Research Institution | Aichi Cancer Center Research Institute |
|---|
Principal Investigator |
Koide Yutaro 愛知県がんセンター(研究所), 分子腫瘍学分野, 研究員 (20813067)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥3,120,000 (Direct Cost: ¥2,400,000、Indirect Cost: ¥720,000)
Fiscal Year 2022: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2021: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2020: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | 乳癌 / 放射線治療 / 深吸気息止め照射 / 心臓 / 線量予測 / Predictive assay / 機械学習 / Synthetic CT / 深層学習 / 人工知能 |
|---|
| Outline of Research at the Start |
左乳癌の深吸気息止め照射は、息止めにより心臓を照射野から離すことで、従来の自由呼吸照射より心臓線量を減らすことができる。しかしどれくらい低減できるかは患者間の差が大きく、予測ができない。申請者のこれまでの研究では、60%の患者は自由呼吸照射でも心臓線量が十分に低く、息止め照射の必要性が低いことがわかった。
本研究では深層学習を用いて、既存のCTから仮想的な深吸気CTを構築し、心臓線量を予測することを目的とする。予測により息止め照射が不要な患者を早期に判別することができればその患者は息止めCTの撮影を省略でき、息止めをする身体的負担がなくなり、さらに治療時間の短縮や医療費の削減が見込める。
|
| Outline of Final Research Achievements |
This study aimed to predict the reduction of cardiac dose in left-sided breast cancer patients using deep inspiration breath-hold radiotherapy (DIBH-RT) compared to conventional free-breathing radiotherapy (FB-RT) by utilizing deep learning-based virtual CT. The virtual CT model demonstrated higher accuracy in predicting cardiac dose than existing linear prediction models and also provided good results for lung dose. Furthermore, we identified preoperative lung function, BMI, and chest X-ray images as related parameters and showed that a deep learning chest X-ray prediction model allows for both accuracy and early prediction.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究の成果は、心臓線量の低減効果を事前に予測することで、不要な検査被曝や治療時間の短縮が期待できる点で、学術的意義が大きいと言えます。また、胸部X線画像を用いた深層学習モデルによる早期予測が可能であることが示され、乳癌放射線治療の計画線量予測とその応用に関する多施設研究が進行しており、今後の疾患への応用が期待されています。
|
