| Project/Area Number |
22K08890
|
|---|
| 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 | Niigata University |
|---|
Principal Investigator |
中野 雅人 新潟大学, 医歯学総合研究科, 客員研究員 (70744788)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
島田 能史 新潟大学, 医歯学系, 講師 (20706460)
若井 俊文 新潟大学, 医歯学系, 教授 (50372470)
中野 麻恵 新潟大学, 医歯学総合病院, 特任助教 (20790281)
松本 瑛生 新潟大学, 医歯学総合病院, 専任助教 (30769401)
田島 陽介 新潟大学, 医歯学総合研究科, 客員研究員 (30757505)
山井 大介 新潟大学, 医歯学総合研究科, 客員研究員 (40965737)
太田 篤 新潟大学, 医歯学総合病院, 講師 (00749616)
安部 舜 新潟大学, 医歯学総合病院, レジデント (80921527)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2024: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2023: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | Radiomics / 機械学習 / Random forest / 直腸癌 / 側方リンパ節 / 予測モデル / Radiogenomics / 側方リンパ節転移 |
|---|
| Outline of Research at the Start |
側方リンパ節は、下部直腸癌における所属リンパ節の一つである。Stage II～III下部直腸癌では、16～23%に病理学的側方リンパ節転移を認める。しかし、術前に側方リンパ節転移の有無を精度高く診断する方法は確立されていない。我々は、「側方リンパ節の放射線画像情報および遺伝子変異プロファイルに、リンパ節転移の有無の特徴が表現されているのではないか」との仮説を立てた。本研究では、この仮説を立証すべく、術前に得られる放射線画像情報および遺伝子変異プロファイルを用いて、精度の高い側方リンパ節転移予測モデルを開発する。
|
| Outline of Annual Research Achievements |
側方リンパ節は、下部直腸癌における所属リンパ節の一つである。Stage II-III下部直腸癌では、16-23%に病理学的側方リンパ節転移を認める。しかし、術前に側方リンパ節転移の有無を精度高く診断する方法は確立されていない。近年、病変の放射線画像情報から抽出した多数の定量的な特徴量を客観的、網羅的に解析するRadiomicsが注目されている。申請者らは、「側方リンパ節の放射線画像情報に、リンパ節転移の有無の特徴が表現されており、それらの情報からリンパ節転移を予測するモデルの構築できる」と考えて本研究を立案した。本研究の目的は、「術前に得られる放射線画像情報によって、精度の高い側方リンパ節転移予測モデルを開発すること」である。
本年度は、主に下記の2点について研究を実施した。(1) 新潟大学医歯学総合病院とその関連施設で手術を施行された直腸癌患者のうち、術前CT画像で認めた側方リンパ節として認識された上で、1対1対応で病理学的評価が行われた症例を対象とした。術前CT画像の側方リンパ節最大割面1スライスから抽出した1035個のRadiomics特徴量に臨床データを組み合わせ、機械学習を用いて予測モデルを構築した。(2)専門分野、外科医経験年数の異なる消化器外科医3グループに対象症例の臨床データ、術前CT画像を提示し、転移有無に関する各グループの予測結果を得た。この予測結果と構築した予測モデルの結果を比較し、予測モデルの予測精度が良好であることを明らかにした。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
Radiomicsと機械学習を組み合わせることで、当初想定していた範囲のAUCを示す予測モデルを構築できたため。
|
| Strategy for Future Research Activity |
予測モデルのデータをまとめ、論文化する予定である。
|
