Simulation of past and future images of lung cancer by virtual high-resolution CT using artificial intelligence
| Project/Area Number |
22K07692
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Nagoya University |
|---|
Principal Investigator |
岩野 信吾 名古屋大学, 医学系研究科, 准教授 (90335034)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
伊藤 倫太郎 名古屋大学, 医学系研究科, 特任助教 (80813336)
神谷 晋一朗 名古屋大学, 医学部附属病院, 病院助教 (60868305)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥3,640,000 (Direct Cost: ¥2,800,000、Indirect Cost: ¥840,000)
Fiscal Year 2025: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2024: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
|---|
| Keywords | 超高精細CT撮影 / 原発性肺癌 / 人工知能 |
|---|
| Outline of Research at the Start |
名古屋大学医学部附属病院の画像サーバーには20年以上にわたる肺癌のCT画像の膨大なビッグデータが蓄積されている。本研究では肺癌の3次元CT（3D-CT）の経時変化、すなわち4次元画像を学習させることで、肺癌の任意の時点の過去・未来画像をシミュレーションして生成する人工知能(AI)を開発する。既存の低画質なCT画像から高精細3D-CT画像を再構築するAI(バーチャル高分解能CT)を開発ずみであり、それを利用して網羅的に4次元の学習データを収集する。個々の肺癌の過去・未来を予測した画像を生成することで超早期から進行癌に至る肺癌の形態変化や進行速度を明らかにし、個別化医療に貢献する。
|
| Outline of Annual Research Achievements |
本研究においては、肺癌の経過観察症例の3次元CT画像のビッグデータを学習させた人工知能（AI）によって超早期肺癌から進行肺癌に至るまでの形態変化に時間を加味した4次元解析を行えるモデルを構築することであり、4年間の研究期間を設定している。
2年目にあたる2023年度は先行研究として開発済みのvirtual HRCTに関する英文の原著論文が2023年12月にScientific Reports誌に掲載された。
またこのvirtual HRCTのさらなる高解像度化を行った。名古屋大学医学部附属病院には2019年よりスライス厚0.25mm、最大2048マトリックスで撮影できる臨床用の超高精細CTが導入されており、原発性肺癌の超高精細CTを収集した。この超高精細CT画像データをAIに学習させることによってvirtual HRCTのさらなる性能向上が期待でき、よりリアルな高精細画像を生成することが可能になると考えられる。これに関連して原発性肺癌の超高精細CTによる深達度の研究を開始した。胸壁浸潤が疑われた原発性肺癌77症例について、その超高精細CT画像を視覚的に評価し、胸壁浸潤の診断に有用な所見を見いだし、2023年4月の日本医学放射線学会で発表し、現在、原著論文を英文誌に投稿中である。
さらに2006年～2021年に名古屋大学医学部附属病院で撮影された肺結節のCT画像のうち、経時的に2回以上撮影されている画像をPACSサーバー付属の検索機能を使って後向きに収集した。収集された画像のうち、5mm厚の画像はvirtual HRCTを用いて高解像度3D画像に変換し、学習データとして使用予定である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究では1000例規模の原発性肺癌の高精細3次元CT画像データベースを作成する予定であり、過去の5mm厚画像から高精細CT画像を生成するAIの開発は終了しており、本研究の原著論文がScientific Reports誌に掲載され、AIソフトウェアの社会実装も完了している。本年度中に新しいソフトウェアが名古屋大学医学部附属病院のPACSに導入される見込みであり、研究速度の向上が期待できる。
また超高精細CT画像により肺癌の深達度を正確に診断できることを証明し、本研究成果は原著論文として投稿中である。
|
| Strategy for Future Research Activity |
2024年度中に名古屋大学医学部附属病院のPACSに導入される予定の高精細CT画像生成AIを用いて2006年から2021年に撮影された肺癌のCT画像の高精細CT画像変換を促進する。それから得られた肺結節の経時的な高精細CT画像のセットをDeep Learningによって学習させ、virtual過去・未来画像AIの完成を目指す。
さらに2024年度中に名古屋大学医学部附属病院にフォトンカウンティングCTが設置される予定であり、高精細なdual-energy CTが撮影できるようになるため、肺結節のdual-energy CT画像についても本研究に取り入れていく予定である。
|
Report
(2 results)
Research Products
(4 results)
-
-
-
[Journal Article] Prognostic impact of highly solid component in early-stage solid lung adenocarcinoma2023
Author(s)
Kato Taketo、Iwano Shingo、Hanamatsu Yuki、Nakaguro Masato、Emoto Ryo、Okado Shoji、Sato Keiyu、Noritake Osamu、Nakanishi Keita、Kadomatsu Yuka、Ueno Harushi、Ozeki Naoki、Nakamura Shota、Fukumoto Koichi、Takeuchi Tamotsu、Karube Kennosuke、Matsui Shigeyuki、Chen-Yoshikawa Toyofumi Fengshi
-
Journal Title
Quantitative Imaging in Medicine and Surgery
Volume: 13
Issue: 9
Pages: 5641-5652
DOI
Related Report
Peer Reviewed / Open Access
-
