機械学習を用いた頭頸部癌術後放射線治療におけるリンパ領域自動描出法の確立

• Project/Area Number: 22K07719
• 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: Tottori University
• Principal Investigator: 吉田 賢史 鳥取大学, 医学部附属病院, 教授 (80351906)
• Co-Investigator(Kenkyū-buntansha): 坂口 弘美 鳥取大学, 医学部附属病院, 医員 (00772287) ; 北川 寛 鳥取大学, 医学部附属病院, 医員 (70814789)
• Project Period (FY): 2022-04-01 – 2025-03-31
• Project Status: Granted (Fiscal Year 2022)
• Budget Amount: ¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000); Fiscal Year 2024: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2023: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000); Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
• Keywords: 放射線治療 / 頭頚部癌 / 人工知能 / 機械学習 / 頭頸部癌

Outline of Research at the Start

本研究は、代表者が長年の臨床経験において常に感じ続けてきた術後放射線治療におけるリンパ節領域の輪郭描出（Delineation）を行うに当たって受けるストレスを少しでも緩和したい、という強い願望が込められている。これは全放射線治療医に共通であり、そして本研究の概要は、特に施行頻度の高い、頭頸部癌術後放射線治療におけるリンパ節領域のdelineationの正確性の向上という、これまで達成されていなかった問題を機械学習を始めとする人工知能(Artificial intelligence: AI)によって達成可能かを検証することである。

Outline of Annual Research Achievements

本研究では、放射線治療において多くの場面で必要とされる術後放射線治療に着目する。術後放射線治療における大きな問題点は、術後であるが故に正常構造が外科的侵襲により大きく破壊されている点である。放射線治療医は、そこを考慮しつつdelineation（ターゲットやリスク臓器の描出）を行い、出来るだけ正確な治療が行えるように細心の注意を払う。特に大きな問題となるものの一つがリンパ節領域のdelineationである。これを正確に行うには放射線治療医の中でも相当な熟練が必要であり、特に頭頚部癌や骨盤領域（子宮頚癌、腟癌、子宮体癌）においては非常な苦労を伴うことが多く、そのために不正確となってしまう場合もある。本研究では、術後放射線治療が多く行われる領域で、特に困難を伴うリンパ節領域のdelineationの正確性を高めることを目的とする。そしてそれを達成するために近年放射線医療の分野で頻繁に用いられる人工知能(Artificial intelligence: AI)を用いることを提案するものである。

本研究では、特に術後放射線治療が行われることの多い頭頚部癌を対象としている。まず2022年度の目標としては、まず症例の集積150例（2013-2020）である。現時点ではこちらを進めつつ、次の目標である、術前CT画像におけるリンパ節領域に対するdelineation、すなわち複数の治療医（代表者＋分担者）がdelineationし、検討を加え最適なものとして、教師データ（入力）として用いる、という段階を進めつつある状況である。

Current Status of Research Progress

4: Progress in research has been delayed.

Reason

症例の蓄積に遅れが見られた。頭頚部癌の術後放射線治療といっても様々であり、対象とする疾患の決定に加えて、すべてが適切な症例とは言えないため、その抽出に時間が予想以上にかっており、現在も追加で抽出しつつある状況である。
また、膨大な症例数のdelineationを行う必要があり、こちらに関してもかなりの時間を必要としており、今後調整が必要となる可能性がある。

Strategy for Future Research Activity

本研究の流れとしては① 症例の集積：150例（2013-2020）、② 術前CT画像におけるリンパ節領域に対するdelineation：複数の治療医（代表者＋分担者）がdelineationし、検討を加え最適なものとし教師データ（入力）として用いる。③ 術後照射症例におけるdelineationの再チェック：実際に治療が行われた際のdelineationを複数の放射線治療医でチェック、場合によっては修正して教師データ（正解）として用いる。予測データのdelineationは、元画像を保存して消去する、となっている。その後機械学習に入るが、現時点で遅れが認められている。しかし、研究の流れを変えることは困難であるため、ペースを上げつつ目標を達成することを推進方策とする。