卵巣癌における深層学習を利用したラジオミックス・ラジオゲノミックス解析について
| Project/Area Number |
21K09466
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 56040:Obstetrics and gynecology-related
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
宮本 雄一郎 東京大学, 医学部附属病院, 講師 (70634955)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
曾根 献文 東京大学, 医学部附属病院, 講師 (90598872)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2021: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | 深層学習 / 子宮肉腫 / 卵巣腫瘍 / 卵巣癌 / ラジオミクス / ラジオジェノミクス / 人工知能 / Radiomics / Radiogenomics |
|---|
| Outline of Research at the Start |
卵巣癌は婦人科悪性腫瘍の中で最も死亡者数が多い疾患であり、組織型が多彩である。そのため検査、治療薬が開発され多様化しているため、患者に対する適切な治療の提供が不十分であると考える。そこで我々は深層学習を用いたRadiomics/Radiogenomicsを用いた解析を行い、卵巣癌のMRI画像特徴量から卵巣腫瘍の良悪性診断、予後推定、遺伝子異常判定が行えるシステムの開発を目指す。最終的に画像データを中心とした多層データを用い、深層学習を用いたマルチオミックス解析を行う。この研究を通して、低コストかつ迅速に卵巣癌の全体像を掴み、治療選択、予後予測できる最先端の医療機器開発を目指す。
|
| Outline of Annual Research Achievements |
子宮筋腫と子宮肉腫の鑑別においてもMRI検査は有用であるが、しばし筋腫が変性している際に子宮肉腫の鑑別に苦慮する場合がある。我々は多施設共同で子宮肉腫と子宮筋腫を罹患した患者263 例（子宮肉腫：63 例、子宮筋腫：200 例）の術前 MRI 画像を用い深層学習による子宮肉腫の診断モデルの開発を目指した。開発した深層学習モデルの「子宮肉腫」および「子宮筋腫」の正診率は 91.3%と高い正診率を示した。放射線科専門医、放射線科専攻医と開発した診断モデルを比較した所、放射線科専攻医を上回り、放射線科専門医に匹敵する成績であった。さらに深層学習モデルが放射線診断医の補助的な役割を担えるか確認するために、深層学習モデルの判定結果を通知後、放射線科医師の正診率が向上するか検討した。結果として放射線科専門医、放射線科専攻医の成績は、それぞれ上昇し、この開発したモデルが診断のサポートの役割を担うことができた。卵巣癌の診断モデルについても研究を開始し、卵巣腫瘍のデータベースの作成を行った。具体的には、東京大学医学部附属病院と都立駒込病院で手術を行い病理学的診断がついた卵巣腫瘍患者症例を収集した。良性腫瘍267例、境界悪性腫瘍188例、悪性腫瘍311例の臨床情報、血液検査所見、病理学的データを収集した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
子宮肉腫を対象に深層学習を用いたMRI診断システムを確立した。
|
| Strategy for Future Research Activity |
子宮肉腫と子宮筋腫の判別研究で応用した一連のノウハウをもとにして、卵巣腫瘍症例を用いて画像処理を行う。まずは予備実験として30症例を対象に抽出して画像処理を行い、深層学習による評価が可能かどうかを検討する。具体的には、MRIの撮像条件から、T1axi, T1sag, fsT1axi, fsT1sag, T2axi, T2sag, T2cor, fsT2axi, DWI, ADC, dynamic contrast-enhanced axi, dynamic contrast-enhanced sag, fsT1CEaxi, fsT1CEsag, fsT1CEcorの撮像データを収集する。また、収集したMRIのDICOMデータを、Horosソフトウェアを用いてJPEGデータに変換する。MobileNet-V2ネットワークを用いて学習が可能かを確認する。これらの一連の流れがワークすることが確認できたら、症例数を増やして、同様の処理を行い、卵巣腫瘍の良悪性が予測できるかどうかを検討するとともに、その精度を検討していく。また、解析の軸としては、まず、卵巣腫瘍の良悪性を区別することを目的として、全腫瘍を良性と悪性に分類して、MobileNet-V2により良悪性が診断可能かどうかを検討していく。
|
Report
(2 results)
Research Products
(6 results)
-
-
[Journal Article] The metabolic stress-activated checkpoint LKB1-MARK3 axis acts as a tumor suppressor in high-grade serous ovarian carcinoma2022
Author(s)
Hidenori Machino, Syuzo Kaneko, Masaaki Komatsu, Noriko Ikawa, Ken Asada, Ryuichiro Nakato, Kanto Shozu, Ai Dozen, Kenbun Sone, Hiroshi Yoshida, Tomoyasu Kato, Katsutoshi Oda, Yutaka Osuga, Tomoyuki Fujii, Gottfried von Keudell, Vassiliki Saloura, Ryuji Hamamoto
-
Journal Title
Communications Biology
Volume: 5
Issue: 1
Pages: 39-39
DOI
Related Report
Peer Reviewed / Open Access / Int'l Joint Research
-
-
-
-
