| Project/Area Number |
21K17113
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 57060:Surgical dentistry-related
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
川村 晃平 大阪大学, 歯学部附属病院, 医員 (20880157)
|
|---|
| Project Period (FY) |
2021-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2025: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2024: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2021: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | 口腔癌 / 頭頸部癌 / 予後予測 / 頸部リンパ節転移 / リアルワールドデータ / マルチモーダルデータ / AI / 口腔がん / リアルワールド / 頚部リンパ節転移 / 人工知能 |
|---|
| Outline of Research at the Start |
口腔がんの患者数は本邦においても近年増加傾向である。進行例では予後不良となることが多く、転移のリスクなど的確な予後評価を早期に行うことが可能になれば、生命予後や治療後のQOLの低下防止に寄与すると考えられる。本研究では、口腔がん診療によって蓄積された多種多様な時系列データ（病理画像・レントゲン画像・テキストデータ・数値データ）を人工知能(AI)を用いて解析することで、患者個人に即した予後評価を可能にし、各々のリスクに応じた治療提供が行える新たな口腔がん治療法の確立を目指す。
|
| Outline of Annual Research Achievements |
当研究では、多種多様なリアルワールドデータを用いて、口腔がん患者の予後予測モデルの構築を目的としている。
舌癌76例における免疫組織化学的染色（VEGF-C、VEGF-D、NRP1、NRP2、CCR7、SEMA3E）の染色レベルから、多層パーセプトロンネットワーク(MNN)を用いて頸部 リンパ節転移の予測モデルを開発し、視覚情報の定量化ヒストグラムと比較した。その結果、CCR7染色レベルとT分類が頸部リンパ節転移の有無に相関してい た。 MNNによる免疫染色標本の評価は頸部リンパ節転移の予測に有用である。
Kawamura, Kohei et al. “Prediction of cervical lymph node metastasis from immunostained specimens of tongue cancer using a multilayer perceptron neural network.” Cancer medicine vol. 12,5 (2023): 5312-5322. doi:10.1002/cam4.5343
この結果、AIを用いた単一モダリティに基づく予後予測の可能性を示したものである。さらにリアルワールドに基づいた、より包括的なマルチモーダルアプローチによる予後予測の精度向上を目指し、マルチモーダルAI解析モデルの構築を進めている。CCR7の染色強度に関するデータを報告したMNNモデルで、舌癌原発巣のHE染色画像データを畳み込みニューラルネットワーク（CNN）で学習し、さらに患者のT分類、DOI（浸潤深度）、年齢、性別などのデータをそれぞれ異なるパーセプトロンで学習する。これら異なるモダリティを学習したモデルから得られた特徴ベクトルを最終的に統合(late-fusion)することで、頸部リンパ節転移の有無を予測するマルチモーダル解析AIモデルを構築した。新規症例への適用において、このモデルは80%の予後予測精度を示し、第68回公益社団法人日本口腔外科学会総会・学術大会 （2023年11月11日）にて報告した。
今後精度向上のための課題は多く、新たなモダリティの追加・他施設共同研究を予定している。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
マルチモーダルデータ解析AIの構築まで完了しており、今後さらなるデータ収集・蓄積の枠組み作りに入る段階である。
|
| Strategy for Future Research Activity |
免疫染色・HE染色画像・T分類・DOI（浸潤深度）・年齢・性別に加えて、口腔内写真・CT/MRI画像・既往歴・症状自覚から受診までの期間・喫煙歴・飲酒歴・カルテ記載などのさらなるモダリティのデータ整理及び、AIモデルでの学習により精度評価を行う。さらに、他施設共同研究の枠組みを整備し、多施設から口腔がん患者のデータ収集を行い、さらにビックデータでのモデル学習を行うことで、単施設でのロバスト性・ドメインシフトの問題の解決を目指す。
|
