深層学習ネットワークを用いた、高リスク前立腺癌に対する個別化定位放射線治療の開発

• Project/Area Number: 20K16725
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 52040:Radiological sciences-related
• Research Institution: Osaka University
• Principal Investigator: 平田 岳郎 大阪大学, 大学院医学系研究科, 助教 (20777916)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Project Status: Granted (Fiscal Year 2022)
• Budget Amount: ¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000); Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2021: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2020: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
• Keywords: 放射線科学 / 放射線治療 / 人工知能 / 機械学習 / 深層学習 / 前立腺癌 / 定位放射線治療 / 放射線治療計画

Outline of Research at the Start

本研究では、定位放射線治療を高リスク前立腺癌の治療に導入するための準備として、患者背景や、放射線治療の計画内容・線量分布に応じて有害事象発症・生活の質悪化リスクを予測可能な深層学習ネットワークシステムを構築し、その予測システムを用いた最適な治療計画手法を開発する。続いて、その手法を臨床応用し有効性・安全性を探索・検証する。

Outline of Annual Research Achievements

高精度放射線治療技術の一つである体幹部定位放射線治療（SBRT）は、病巣に高線量を集中し、周囲臓器の被曝を低減することが可能な手法で、前立腺癌への適用も開始されている。しかしながら高リスク症例に対しては良好な治療効果と安全性を両立しうる至適な計画手法がまだ確立されておらず、現在でも研究開発が必要とされている。本研究では、既存の患者データをもとに、深層学習の手法も活用して治療後の有害事象発症やQOL低下を予測するモデルを構築し、そのモデルを用いて患者の臨床背景に応じ周囲臓器に照射される線量を最適化した、有効性と安全性を両立しうる個別化SBRT計画手法を確立し、高リスク前立腺癌の治療に臨床導入することを目指している。
研究初年度および2年目に、SBRTを受けた患者のデータを用い、患者背景、放射線治療の線量分布、線量・体積に関する各種パラメータから尿路系・消化器系の有害事象発症、QOL悪化の状況について、ニューラルネットワーク・深層学習を用いた予測モデル（患者背景および放射線治療の線量分布から、有害事象発症やQOL悪化のリスクを予測する）構築を試みたが、至適なモデルの確立に至らなかった。
対象症例を増やして再度検討を行う方針とし、追加症例についてのデータ収集を行った上で、2023年度はまず（深層学習でない）機械学習により、予測モデルの構築とバリデーションに取り組んだ。本研究の当初の計画である、深層学習の活用も予定していたが、本年度中には完了しなかった。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

今後深層学習を活用した予測モデルの検討とバリデーション、予測モデルの臨床応用に向けての準備が必要であり、期間を1年延長して研究を継続する予定である。

Strategy for Future Research Activity

深層学習（状況によりさらに学習に用いるデータを増やすことを検討）による予測モデル構築、（深層学習を用いない）機械学習によるモデルとの比較検討、予測モデルのバリデーションを行う。予測モデルを臨床導入するための準備を進める。