2018 Fiscal Year Research-status Report
| Project/Area Number |
18K07027
|
|---|
| Research Institution | Tokyo Medical University |
|---|
Principal Investigator |
齋藤 彰 東京医科大学, 医学部, 教授 (10504615)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
黒田 雅彦 東京医科大学, 医学部, 主任教授 (80251304)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 予後治療効果推測 / 画像解析 / 人工知能 / 乳癌 |
|---|
| Outline of Annual Research Achievements |
乳癌は近年の社会生活の変化によって女性の最も高い癌疾患になってきている。一方で乳癌は各種のホルモンあるいはドライバー遺伝子の発現以上により治療薬選択あるいは予後解析が行われているが、未だに化学療法の選択も含め、その予後判定は議論されている。従来の病理学的体系も分子レベルの情報と乖離が大きくなっているのが実情である。そこで本研究は、病理形態学情報を定量化かつ客観的情報としてデジタル病理学手法により計測収集したデータベースを構築し、さらに複数の人工知能手法(Deep Learningと機械学習であるSVM(Support Vector Machine)により、臨床情報と合わせた解析を行い、予後解析システム構築と高度な予後因子の解明を目指す。対象とするのは乳癌のNeoadjuvant chemothrapy（術前化学療法）を行った症例とする。治療期間は６－８か月であり、治療後は手術療法によりその効果の判定が正確に行われること、また生存・無再発の解析に比べてフォローする期間が短いことが解析モデルの正確性を判断する上で適切であることによる。これらの手法は乳癌にとどまらず、他の癌においても応用可能である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
対象とする乳癌の治療で補助化学療法を術前に行うNAC(Neoadjuvant chemotherapy)症例の収集は、現時点で山口大35症例 コーネル大学125症例 東京医科大学60症例を選択している。 臨床情報を確認しながら多少これよりは多い症例を選択可能な状態になった。 これらの症例の治療開始前の針生検の病理標本 手術標本 臨床情報の収集を実施中であるが、施設間あるいは日米の診療情報あるいは治療効果判定には差があり、症例データベース作成には基準化が必要である。 これらの基準化を実施し、再度症例情報の収集を継続し、次年度の解析実施の構築を継続している。また33症例 約9万個の細胞データを抽出し、パイロット解析を実施した。結果として治療前の標本からNAC療法の効果予測が可能となっているので、どのような情報を集積するかの目算が立った。また確立された手法が乳癌以外にも利用可能かを模索する意味で、前立腺癌を含めた泌尿器科癌などへの適応を実施し、応用可能であることを確認した。
正確な癌細胞の細胞核を抽出し計測を行うには、細胞核同士が重積しているものを分離する必要があるが、これらを自動的に分離するため、人工知能のDeep Learning手法を用いたシステムの構築を終了し、乳癌・前立腺癌・膀胱癌・腎癌の画像を用いて精度を確認した。
|
| Strategy for Future Research Activity |
まず前半の半年で、残りの症例の病理標本の収集と画像化、計測作業を実施し、９月までには本解析可能な体制を構築する。これらの症例に対し、まず多変量解析と機械学習法であるSVM (Support Vector Machine)を実施し、治療効果の予測と治療抵抗性の症例の判断・予測に必要な病理形態学的特徴量を抽出する。当初予定していた解析対象症例は１２０症例であったが、２００症例を超える症例に対し実施することとなり、細胞核の分離を自動で効率的に実施するためのツールを前年度までに構築した。
これらの解析結果をベースにDeep Learning手法で用いる画像サイズ、病理画像の色調・輝度を含めた標準化などを決定する。また収集した臨床情報を検討し、臨床家との再評価を実施して各施設間・日米の評価における差を統一化する。
|
| Causes of Carryover |
米国での症例収集が倫理審査を通すなどの時間が予測以上にかかり、核抽出後のセグメンテーション作業に必要な人工知能を使用した重積した核の分離ツールなどの構築を膀胱癌・腎癌・前立腺癌などを利用して構築を実施した。これらの作業発注において一部検収時期との関係で差異が生じたが、会計年度との関係の問題であり、実質の作業進捗および次年度以降の計画における変更はない。
|
