機械学習を用いて放射線治療における有害事象の予測精度を向上させる
Project/Area Number |
20K16708
|
Research Category |
Grant-in-Aid for Early-Career Scientists
|
Allocation Type | Multi-year Fund |
Review Section |
Basic Section 52040:Radiological sciences-related
|
Research Institution | Keio University |
Principal Investigator |
深田 恭平 慶應義塾大学, 医学部(信濃町), 共同研究員 (00647266)
|
Project Period (FY) |
2020-04-01 – 2024-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
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: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
|
Keywords | 放射線治療 / 医学物理学 / 有害事象予測 / 機械学習 |
Outline of Research at the Start |
放射線治療はがん治療の三本柱の一つを担う治療法である。高エネルギーの放射線を使用するので,腫瘍周辺の正常臓器にも線量を与えてしまうのは避けられない。これら正常臓器に「どれだけ放射線が当たればどれくらいの確率で有害事象が発生するか」を正確に予測することができれば,放射線治療の質を向上することが可能である。 現在,有害事象予測モデルとして使用される頻度が最も高いものは,「臓器のどれだけの体積にどれくらいの線量が投与されたか」に基づいて有害事象を予測する。 本研究では,臓器の体積と線量だけでなく,これに局所的な位置情報も織り込むことで有害事象予測モデルの予測精度向上をめざす。
|
Outline of Annual Research Achievements |
放射線治療における有害事象を、機械学習を用いて予測する研究を行っている。放射線治療と切っても切り離せない有害事象(合併症)は、治療後に一定期間たってから起こることも多く、予め予測できれば介入の余地がある。有害事象の予測精度向上は、放射線治療を受ける患者のQOLを向上させることが予想される。 前立腺がんへの小線源治療を行った患者のCT画像と3次元の線量分布、およびその後の尿路系有害事象の有無のデータを入力として、深層学習を用いた有害事象予測モデルの開発を行っている。現在機械学習のモデル選定を行っているが、データ数の不足、ネットワークのパラメータ数が多いこと、尿路系有害事象の原因として、小線源治療の線量分布以外の因子が考えられること、の点で未だ有効なモデルを作成することが出来ていない。学習済みAIの活用など、幅広く探索していきたいと考えている。
|
Current Status of Research Progress |
Current Status of Research Progress
4: Progress in research has been delayed.
Reason
機械学習により有害事象の予測精度を向上させることに苦労している。
|
Strategy for Future Research Activity |
学習済みのAIモデルを転移学習させることや、現在持っているデータ以外のデータを入手することを検討したいと思う。
|
Report
(3 results)
Research Products
(2 results)