| 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 |
|
|---|
| 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, 医歯学総合病院, 専任助教 (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, 特任助教 (80921527)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| 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 / 直腸癌 / 側方リンパ節 / 予測モデル / 機械学習 / Random forest / 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 Final Research Achievements |
We clarified the following two points:
(1) We included patients with rectal cancer who underwent surgery, in whom each lateral pelvic lymph node identifiable on preoperative contrast-enhanced CT images showed a one-to-one correspondence with a node evaluated pathologically. A total of 1,035 radiomic features were extracted from the lateral pelvic lymph nodes on preoperative CT images and combined with clinical data to construct a predictive model using the random forest algorithm.
(2) The clinical data and preoperative CT images of the same patients were presented to three groups of gastrointestinal surgeons with varying specialties and levels of surgical experience. Each group assessed the presence or absence of lymph node metastasis. The performance of the predictive model was then compared with the surgeons’ assessments, demonstrating the model's superior diagnostic accuracy.
|
| Academic Significance and Societal Importance of the Research Achievements |
術前に側方リンパ節転移の有無を予測し，転移を認める症例に対して「選択的側方リンパ節郭清」を行うことによって，側方リンパ節郭清の効果を最大化し，不要な合併症を減じることが可能となる．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．本研究で構築したRadiomicsと機械学習Random forestを組み合わせた側方リンパ節転移診断予測モデルは，側方リンパ節転移の診断予測精度向上に有用であり，治療戦略の最適化に資する社会的意義の高い成果であると考えられる．
|
