| Project/Area Number |
20K16819
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Niigata University |
|---|
Principal Investigator |
滝澤 健司 新潟大学, 医歯学総合研究科, 客員研究員 (60865062)
|
|---|
| Project Period (FY) |
2020-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2022: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2021: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2020: ¥3,120,000 (Direct Cost: ¥2,400,000、Indirect Cost: ¥720,000)
|
|---|
| Keywords | 定位放射線治療 / 脳腫瘍 / 腫瘍制御率 / 照射位置精度 / 線量検証 / ログファイル / 機械学習 |
|---|
| Outline of Research at the Start |
脳腫瘍に対する定位放射線治療において、治療前に照射位置精度を厳密に検証すること（治療前検証）は極めて重要である。申請者らの検討によって、臨床的に重要な腫瘍制御率を保証するためにはサブミリメートル単位での位置精度が重要なことが明らかになったが、現状の検証法では数ミリメートル程度の位置精度を確認することが限界である。そこで本研究は放射線治療装置の座標情報が記録されているログファイルデータを用いた超高精度治療前検証法の開発を目的とし、高い腫瘍制御率が保証された脳腫瘍の定位放射線治療を提供する基盤の構築を目指す。
|
| Outline of Annual Research Achievements |
本研究の目的は脳腫瘍に対して高線量をピンポイントで照射する定位放射線治療において、腫瘍制御率を保証するために必要とされる照射位置精度を腫瘍の種類やサイズ毎に評価し、これらの照射位置精度（または、線量検証結果）を実際の治療前に、従来法よりも簡便かつ超高精度に検証する方法を開発することである。2022年度は、照射精度の検証結果に影響を与える放射線治療計画パラメータについて、検証デバイスにフィルム線量計を用いた検討を実施した。2023年度は、検証デバイスとして、最新の高分解能二次元半導体検出器を用いた検討を行い、特に腫瘍サイズに対する放射線を照射する絞りの開口サイズの関係と放射線の出力値（Monitor Unit）が検証結果の良し悪しに影響することを報告した（第125回日本医学物理学会）。また、放射線治療計画における”ビーム情報”と”線量分布情報”が機械学習を用いて検証結果を精度良く予測するために重要な因子であることを報告した（サイバーナイフ研究会第17回学術研究会）。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初は「照射位置精度を反映した患者体内線量を推定するシステムの構築」についても、検討を進める予定であった。また、先に開発した「CyberKnifeから出力されるログファイルデータを用いた照射位置精度解析プログラム」を用いた照射位置精度の解析において、CyberKnifeの照射位置精度は0.3 mm以下と極めて高いことが分かった。従って、照射位置精度の反映の有無における患者体内線量分布の変化は限定的であり、商用の放射線治療計画装置にて治療計画を作成した時点において、実際の照射を考慮した患者体内線量分布を精度よく推定可能であることが考えられる。
そこで、「機械学習による線量検証結果の予測」に注力する方向性で検討を進めていき、現在では放射線治療計画における”ビーム情報”と”線量分布情報”を用いて線量検証結果を精度良く予測するための機械学習モデルを構築する段階まで検討が進んでいる。従って、現在までの進捗状況区分は「おおむね順調に進展している」と評価した。
|
| Strategy for Future Research Activity |
「機械学習による線量検証結果の予測」の検討を続ける。線量検証デバイスに最新の高分解能二次元半導体検出器を用いて、線量分布のラジオミクス特徴量である”ドジオミクス特徴量”を機械学習のパラメータとして加え、予測精度の向上が可能かどうかの検討を行う。
|
