| Project/Area Number |
23K08309
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 55040:Respiratory surgery-related
|
|---|
| Research Institution | University of Toyama |
|---|
Principal Investigator |
嶋田 喜文 富山大学, 医学部, 協力研究員 (30789780)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
高岡 裕 富山大学, 学術研究部医学系, 教授 (20332281)
土谷 智史 富山大学, 学術研究部医学系, 特命教授 (30437884)
平林 健一 富山大学, 学術研究部医学系, 教授 (60514388)
尾嶋 紀洋 富山大学, 学術研究部医学系, 助教 (80965484)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2025: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | 肺癌 / 臓側胸膜浸潤 / 胸腔鏡下手術 / 深層学習 / 臓側胸膜 |
|---|
| Outline of Research at the Start |
本研究は、深層学習によって末梢型肺腺癌の臓側胸膜浸潤を正確に予測するシステムの構築を目指す。近年2cm以下の小型肺癌が多く診断されるようになり、それらに対して縮小手術を適用する機会が増加している。一方で小型肺癌でも臓側胸膜浸潤 がある場合は、予後が不良であり標準術式である肺葉切除が適当である。しかし術前の画像や肉眼像と病理組織診断とは乖離することが多い。現在、深層学習による画像識別技術が急速な進歩を遂げている。本研究では、胸腔鏡下手術画像を用いた深層学習によって、術中に胸腔鏡で撮影した臓側胸膜の静止画像から末梢肺腺癌のVPIの有無を瞬時に判定するための診断システムを構築し、その精度検証を行う。
|
| Outline of Annual Research Achievements |
胸腔鏡下手術画像を用いた臨床病期Ⅰ期肺腺癌の臓側胸膜浸潤の陰陽を診断する深層学習モデルを作成し，その診断精度が呼吸器外科専門医の診断能に匹敵することを性能検証で確認した．研究の概要は第123回日本外科学会定期学術集会 (2024年4月) や第76回日本胸部外科学会定期学術集会 (2023年10月) で報告した．また，本研究をまとめた論文「Prediction of visceral pleural invasion of clinical stage I lung adenocarcinoma using thoracoscopic images and deep learning」が日本外科学会の機関紙であるSurgery Todayに掲載された (https://doi.org/10.1007/s00595-023-02756-z)．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
作成した深層学習モデルは呼吸器外科専門医の診断能に匹敵する精度には到達したものの，臨床応用には更なる精度改善が必要であり，学習データを増やすべく他施設での手術画像データの収集にも取り組む必要がある．また，肺腺癌以外の組織型を含めたモデルの構築も必要と考えている．人工知能解析は改良されたモデルが登場しており，それらを自施設で実装できるような環境構築や技術習得にも引き続き取り組む必要がある．
|
| Strategy for Future Research Activity |
他施設での手術画像データの収集と腺癌以外の組織型でも応用可能なモデルの開発を目指している．診断精度が改善し，汎用性のあるモデルが作成できた場合には，前向き試験も行う予定である．
|
