Development of ovarian tumor malignancy risk/histotype prediction system using multifaceted blood flow information with MRI
| Project/Area Number |
20K16752
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Chiba University |
|---|
Principal Investigator |
Takada Akiyo 千葉大学, 医学部附属病院, 特任助教 (20791990)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2021: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2020: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
|
|---|
| Keywords | 卵巣腫瘍 / MRI / 血流情報 / Ultra-fast Dynamic MRI / IVIM |
|---|
| Outline of Research at the Start |
我々は、Ultra-fast DCE撮像・IVIMを用いて、卵巣腫瘍の組織型と悪性リスクの予測をより正確に予測できる可能性があると考えた。卵巣腫瘍の病理像は不均一かつ多彩であるため腫瘍全体を解析対象とし、摘出検体の病理像と画像の対比が必要と考えた。本研究では、従来の形態情報・MRI信号情報に詳細かつ多角的な血流情報を統合し、病理と対比することで、悪性リスク・組織型・予後予測システムの作成を目指す。
|
| Outline of Final Research Achievements |
To establish imaging protocols, we performed high temporal resolution dynamic contrast-enhanced MRI and intravoxel incoherent motion (IVIM) imaging experiments of ovarian tumors. We collected MRI images, pathology, and clinical data of benign, borderline, and malignant ovarian tumors, and image analysis using software for blood flow analysis was initiated. Data collection and analysis are currently continuing to establish a malignancy risk and histological type prediction model.
|
| Academic Significance and Societal Importance of the Research Achievements |
DCE-MRIおよびIVIMから、それぞれKtrans, kep, ve、D, D*, fの定量値を抽出した。
Ktransの値は、悪性腫瘍において、境界悪性、良性より大きくなる傾向が見られたが、境界悪性と良性で解析を行えた症例数が少なく、予測モデルの構築にはさらなる症例の蓄積が必要と考えられた。悪性腫瘍の組織型についても、各種定量値に傾向は見られるものの、有意差は見られなかった。こちらも、さらなる症例の蓄積が必要と考えられた。現今後症例数を増やし、T2WIやDWIなど他のMRIシークエンスから抽出した特徴量や、腫瘍マーカーなどの臨床情報を加えることにより、予測モデルを構築を目指す。
|
Report
(4 results)
Research Products
(4 results)
