| Project/Area Number |
22K15583
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 50020:Tumor diagnostics and therapeutics-related
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
廣瀬 貴章 九州大学, 大学病院, 診療放射線技師 (50608982)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
Fiscal Year 2024: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2022: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
|---|
| Keywords | 肺癌 / 放射線治療 / 放射線肺臓炎 / 画像特徴量 / Radiomics |
|---|
| Outline of Research at the Start |
Ⅲ期非小細胞肺癌の根治的化学放射線療法後に維持療法としての免疫チェックポイント阻害薬を用いた治療において，放射線肺臓炎を低減する治療計画の立案が重要となっている．本研究では，治療計画 CT 画像における画像特徴量の空間分布と放射線肺臓炎との関連を究明し，高リスク肺領域を特定することで，放射線肺臓炎を低減する放射線治療計画を支援する．具体的には，まず，治療計画CT画像から求めた画像特徴量の中から放射線肺臓炎発症との相関が有意な特徴量を選択する．そして，肺領域の空間的画像特徴量解析により，放射線肺臓炎が発症しやすい高リスク肺領域を特定することで，放射線肺臓炎を低減する精密放射線治療計画を支援する．
|
| Outline of Annual Research Achievements |
本研究の目的はⅢ期非小細胞肺癌における肺領域の画像特徴量を抽出し，機械学習を用いて解析することにより，放射線肺臓炎と有意な相関を持つ画像特徴量を解明することである．さらに，空間的画像特徴量解析により，放射線肺臓炎が発症しやすい高リスク肺領域を特定することで，放射線肺臓炎を低減する線量分布の作成を可能にする精密放射線治療計画の立案を支援する．これまでに，早期肺がんの定位放射線治療後の放射線肺臓炎に相関する画像特徴量を特定するためにGrade 2以上の放射線肺臓炎を発症した症例とGrade 1以下の症例に分けて，画像特徴量の解析を行い，相関を持つ画像特徴量の解明や機械学習やDCNNによる予測モデルのパフォーマンスについて報告した．今年度は，III期肺癌症例の症例収集を行い，線量分布に応じたROIごとの画像特徴量の算出を行った．さらに，複数の画像処理を用いた高次元画像特徴量についても算出し，放射線肺臓炎に有意な特徴量の解析について検討した．機械学習モデルについても，複数のモデルを組み合わせることで予測精度の向上を図った．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
症例収集やデータ解析に時間を要しており，進捗としてはやや遅れている．
|
| Strategy for Future Research Activity |
今後は，予測モデルの構築を行う上で，複数のモデルを組み合わせることで予測精度の向上を図っっており，研究を推進させる予定である．
|
