| Project/Area Number |
21J12635
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 国内 |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
二宮 健太 九州大学, 医学系学府, 特別研究員(DC2)
|
|---|
| Project Period (FY) |
2021-04-28 – 2022-03-31
|
| Project Status |
Discontinued (Fiscal Year 2021)
|
| Budget Amount *help |
¥1,500,000 (Direct Cost: ¥1,500,000)
Fiscal Year 2021: ¥800,000 (Direct Cost: ¥800,000)
|
|---|
| Keywords | レディオミクス / トポロジー / EGFR遺伝子変異 / 機械学習 / 肺がん |
|---|
| Outline of Research at the Start |
肺癌における上皮成長因子受容体(EGFR)遺伝子変異において、EGFRチロシンキナーゼ阻害薬(TKI)を用いた個別化治療は非常に有用性が高い。しかしTKI治療開始からおよそ一年後には、約50%の患者で処方された薬剤への肺癌細胞の耐性獲得が起こり、治療予後が著しく悪化するため、治療法の再検討が必要となる。そこで、最適な治療法変更タイミングを予測できる手法が望まれるが、現在の遺伝子検査では耐性獲得の有無やそれらが起こる時期などを事前に予測できない。本研究では、先進的な医用画像解析技術開発を行い、人工知能技術を応用することで、高い精度でTKI治療予後シミュレーションを行うシステムを開発する。
|
| Outline of Annual Research Achievements |
本年度は、肺がんの遺伝子変異のサブタイプ鑑別のための位相幾何学不変量のベッチ数を用いた新たな特徴量および分類モデルの開発を行った。肺がんのCT画像からベッチ数を計算し、それらを画像化するベッチ数マップを計算する手法を開発した。ベッチ数マップからヒストグラムやテクスチャ特徴量(ベッチ数特徴量)を計算した。サポートベクターマシンを用いてベッチ数特徴量に基づいたEGFR変異の有無とサブタイプの鑑別モデルを構築し、鑑別精度の比較を行った。また、精度比較のため三次元のCT画像から抽出した従来特徴量に基づいた分類モデルを構築した。EGFR変異鑑別と変異のサブタイプ分類においてベッチ数特徴量を用いた場合に従来特徴量よりも高い精度を示した。
|
| Research Progress Status |
令和3年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和3年度が最終年度であるため、記入しない。
|
