| Project/Area Number |
23K14916
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Hamamatsu University School of Medicine |
|---|
Principal Investigator |
土屋 充輝 浜松医科大学, 医学部附属病院, 診療助教 (00436932)
|
|---|
| Project Period (FY) |
2023-04-01 – 2024-03-31
|
| Project Status |
Discontinued (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2024: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Fiscal Year 2023: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
|
|---|
| Keywords | Radiomics解析 / 乳癌 / センチネルリンパ節 / MRI / Radiomics / 予測モデル |
|---|
| Outline of Research at the Start |
センチネルリンパ節とは、乳房内から乳癌細胞が最初にたどりつくリンパ節と定義される。臨床的腋窩リンパ節転移陰性ではセンチネルリンパ節転移の有無で手術の術式が変更されるため、センチネルリンパ節転移の診断は重要である。センチネルリンパ節生検で侵襲による合併症が起こる可能性があり、非侵襲的な診断法が期待されている。Radiomics解析はMRIなどの医用画像からradiomics featureという定量的な特徴量を抽出し予測などに使用する新しい研究領域である。本研究では乳癌の術前MRIを用いてセンチネルリンパ節生検転移の有無を予測する非侵襲的で精確なRadiomics予測モデルの開発を行う。
|
| Outline of Annual Research Achievements |
本研究ではMRI画像より得られるradiomics特徴量を解析し，臨床的にリンパ節転移が無い（cN0）と診断された乳癌症例のセンチネルリンパ節転移の有無を予測するモデルを作成することを目的とした。
2006年9月から2021年12月にかけて、センチネルリンパ節転移陽性患者70例とセンチネルリンパ節転移陰性患者70例から術前MRI画像を収集した。患者は無作為にトレーニングセットとテストセットに分割した。術前MRIからradiomics特徴量を抽出した。radiomics特徴量の選択にはThe least absolute shrinkage and selection operator (LASSO)アルゴリズムを用いた。k-nearest-neighbor（KNN）、support vector machine (SVM)、random forest (RF), extreme gradient boosting (XGBoost)の4つの機械学習モデルを用いてセンチネルリンパ節転移を予測するモデルを構築し、その予測性能を評価した。
現在、術前MRI画像からのradiomics特徴量および臨床病理学的情報を集積したデータベースの作成が完了し、センチネルリンパ節転移の有無の予測モデルの開発に至った。センチネルリンパ節転移の有無の予測の精度は74％-80％となっている。結論としてRadiomics特徴量をベースにした機械学習モデルは、cN0乳癌のセンチネルリンパ節転移の術前予測に有用である可能性が示唆された。将来的には、より多くの症例数や他施設でのデータを用いてradiomics特徴量によるセンチネルリンパ節転移の予測モデルの性能を検討していく必要がある。
上記研究成果は国内学会で発表した。現在、症例数を追加し、より高精度のセンチネルリンパ節転移の予測モデル開発を進めており、今後、研究成果の国際学術誌への論文投稿を予定している。
|
