| Project/Area Number |
20K16746
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | National Center for Global Health and Medicine |
|---|
Principal Investigator |
堀田 昌利 国立研究開発法人国立国際医療研究センター, その他部局等, 放射線核医学科 医師 (30782932)
|
|---|
| Project Period (FY) |
2021-11-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
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: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
|
|---|
| Keywords | 4DST / PET / 食道癌 / 分子イメージング / DNA合成 / 予後予測 / FDG |
|---|
| Outline of Research at the Start |
進行食道癌に対する治療反応性は症例ごとに大きく異なるため、その予測因子の確立が求められている。食道癌を含めた悪性腫瘍の本質は、細胞増殖能の異常亢進である。私たちはDNA合成イメージング製剤「4DST」が、食道癌の治療効果予測に有用であることを見い出している。
本研究ではこれまでの成果を発展させ、4DSTを用いた分子イメージング (4DST-PET)画像に対して、機械学習を用いたラジオミクス解析を活用する。ラジオミクス解析により、従来得られなかった多量の画像情報の抽出が可能になる。これにより、食道癌の治療予測指標を確立し、食道癌患者のプレシジョン・メディシンの実現につなげる。
|
| Outline of Annual Research Achievements |
進行食道癌に対する治療反応性は症例ごとに大きく異なるため、その予測因子の確立が求められている。食道癌を含めた悪性腫瘍の本質は、細胞増殖能の異常亢進である。私たちはその点に着目し、本邦で開発されたDNA合成イメージング製剤「4DST」が、食道癌の治療効果予測に有用であることを見い出している。本研究ではこれまでの成果を発展させ、4DSTを用いた分子イメージング (4DST-PET)画像に対して、機械学習を用いたラジオミクス解析を活用する。ラジオミクス解析により、従来得られなかった多量の画像情報の抽出が可能になる。さらに、機械学習を応用することで、画像だけでなく複数の重要因子を有機的に統合した予測モデルを形成できる。
具体的な方法としては、現在までに食道癌患者に対して撮影されている4DST-PET/CTおよびFDG-PET/CTを用いて機械学習モデルを作成する。まずは既存データを用いて人工知能のトレーニングを行う。PET画像のテクスチャー解析にはLIFEx softwareを用いる。機械学習の手法としてはディープラーニング、ランダムフォレスト、勾配ブースティングなどを適用し、最も精度が高い結果が得られたものを採用する。コンピュータは人工知能学習に充分なレベルのGPUを備えたものを用いる。
現在、これまでに画像が撮影された患者の長期予後データを収集中である。具体的には5年生存率は最も重要なアウトカムの一つであるため、PETが撮影されてから5年間での予後データの収集を行っている。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
初年度は患者予後データの収集を中心に行った。今後、本データを予後予測モデル作成のアウトカムとして用いる。
|
| Strategy for Future Research Activity |
既存のPETデータと臨床情報を基礎データとして、5年生存率等の予後指標をアウトカムとして設定し、機械学習を用いて予後予測モデルを作成する。
|
