AIとradiomicsによる直腸癌術前治療の効果予測プログラム開発
Project/Area Number |
22K08842
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 55020:Digestive surgery-related
|
Research Institution | Mie University |
Principal Investigator |
川村 幹雄 三重大学, 医学部附属病院, 講師 (00722589)
|
Co-Investigator(Kenkyū-buntansha) |
問山 裕二 三重大学, 医学系研究科, 教授 (00422824)
大北 喜基 三重大学, 医学部附属病院, 講師 (20378342)
橋本 清 三重大学, 医学部附属病院, 医員 (20939988)
奥川 喜永 三重大学, 医学部附属病院, 教授 (30555545)
|
Project Period (FY) |
2022-04-01 – 2025-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Fiscal Year 2024: ¥130,000 (Direct Cost: ¥100,000、Indirect Cost: ¥30,000)
Fiscal Year 2023: ¥260,000 (Direct Cost: ¥200,000、Indirect Cost: ¥60,000)
Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
Keywords | 直腸癌 / 術前化学放射線療法 / AI |
Outline of Research at the Start |
進行直腸癌に対するTotal neoadjuvant therapy(TNT)はその良好な治療効果により長期予後の改善だけでなく肛門温存率の向上が期待されている。AI(人工知能)は様々な分野での利用が広がり医療分野でも応用が進んでいる。また医用画像に着目したradiomicsにより大規模データベースの構築および高次元の定量的・網羅的解析が可能となり脚光を浴びている。本研究では直腸癌のTNT治療前の病理組織の顕微鏡画像をAIで処理し、さらにMRI、CTの画像データをradiomicsにより網羅的解析を行い最終的に機械学習によりTNTの治療効果予測因子を同定・アルゴリズムを作成する。
|
Outline of Annual Research Achievements |
令和4年は主に①病理組織・画像データベースの確立、②CNN modelの選定・検証を目標とした。当科で過去に治療した直腸癌症例を対象に、MRI画像の解析を進め、主にリンパ節(腸管傍・側方リンパ節)や、extramural vascular invasion, mesorectal fascia involvementなどの特徴的な所見の解析・画像所見の集積をおこなった。また併せてCT画像も直腸腫瘍周囲の所見の集積を行い、おもに放射線画像のデータベース作成を進めた。現在、計120例ほどの直腸癌症例に対して上記のデータ集積が終了している。さらに、直腸癌に対する術前化学放射線療法100例およびtotal neoadjuvant therapy50例の臨床情報のデータベース作成を行いその臨床情報をもとに、臨床的な効果予測因子の推定・解析を上記研究と並行して行っている。これらを優先したため、直腸癌治療前腫瘍由来のHE染色標本における病理組織画像の画像データベース作成・CNN modelの選定については十分に進んでいない。
|
Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
当科で過去に治療した直腸癌症例を対象に、MRI画像の解析を進め、主にリンパ節(腸管傍・側方リンパ節)や、extramural vascular invasion, mesorectal fascia involvementなどの特徴的な所見の解析・画像所見の集積をおこなった。また併せてCT画像も直腸腫瘍周囲の所見の集積を行い、おもに放射線画像のデータベース作成を進めた。 これらの画像の集積には、電子カルテ上のデータを匿名化して特定の画像転送システムを用いて行うがデータの量が膨大であり、これらをCT、MRIに対して施行したところ1例あたり想定以上の時間を要することとなった。
|
Strategy for Future Research Activity |
令和5年は令和4年度で取得してきたCT、MRI画像の集積をすすめさらに症例数を増加させる予定とし、病理画像についても集積を行う予定である。また研究計画書ではCNNモデルの選定、実際の当科のTNT症例約50例の病理画像、CT、MRIの画像データを同様に集積し、患者個々のデータベースを作成することを目標としている。選定されたCNNプログラムに適応し、MRI、CT、病理画像の特徴的所見の有無・占有率をscore化する。続いてradiomicsについても複数のプログラムを試用し、最適なプログラムを選定する。すでに集積した画像を対象に関心領域を設定・適用し、画像特徴量を抽出する。これらをデータベースとして構築することを目標とする。
|
Report
(1 results)
Research Products
(2 results)