ニューラルネットワークを用いた前立腺癌小線源治療の予後予測モデルの構築

2018 Fiscal Year Research-status Report

• Project/Area Number: 18K07644
• Research Institution: Keio University
• Principal Investigator: 白石 悠 慶應義塾大学, 医学部(信濃町), 講師 (00445339)
• Project Period (FY): 2018-04-01 – 2021-03-31
• Keywords: 前立腺癌 / 小線源治療 / 機械学習

Outline of Annual Research Achievements

前立腺癌小線源治療に関する臨床データ、dose-volumeデータ、生物学的データをニューラルネットワークの手法を用いて統合分析し、有害事象および生化学的（あるいは病理学的）再発を予測するモデルを構築することを目指し、研究を開始した。平成30年度は、予測モデルとしてニューラルネットワークを用いていたが、種々の文献や学会発表を参照することで、ニューラルネットワークに限らず様々な機械学習の手法を比較検討することでより精度の高い予測モデルが構築できると推測された。具体的には、ニューラルネットワークだけでなく、サポートベクターマシンやランダムフォレスト等の機械学習手法も同時に比較検討を開始した。
また、精度の高い予測モデルを構築するために、質の良いデータベースの構築が必須である。特に、予測モデルを構築するための訓練データとは別に予測モデルを検証するためのテストデータも使えると理想的であるため、訓練データとは全く別の前立腺癌小線源治療患者のコホートを用いたテストデータの蓄積に着手している。訓練データとは全く別のコホートを用いたテストデータでモデルを検証することでモデルの信頼性・汎用性が高まることが期待される。
本研究を通して、放射線治療の分野でビッグデータを活用するノウハウを蓄積するとともに、従来のdose-volumeデータに基づく予後予測よりも精度の高いモデルを構築できると期待され、日々の治療やフォローアップでの活用を目指す。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

小線源治療後の晩期有害事象、特に直腸出血の予測モデル構築に着手している。当初の研究計画では、予測モデルとしてニューラルネットワークを用いたモデル構築を想定していたが、より精度の高い予測モデルを構築するため、ニューラルネットワークに限らず、他の機械学習手法（サポートベクターマシンやランダムフォレストなど）も同時に比較検討できるよう、準備中である。また、訓練データとは全く別の前立腺癌小線源治療患者のコホートを用いたテストデータの蓄積に着手している。

Strategy for Future Research Activity

まずは複数の機械学習の手法を用いて小線源治療後の直腸出血の予測モデルを構築し、最も精度の高いモデルを比較検討していく。その後、直腸出血を予測するモデルを構築した経験を活かし、小線源治療後の他の有害事象（尿路系や勃起能など）や、局所制御を予測するモデルを構築する。再発時の病理結果をモデルに組み込むことで、生化学的再発だけでなく、病理学的再発や、再発と紛らわしいPSA bounceの予測モデル構築にもチャレンジできると考えている。訓練データ・テストデータの量が大きくなり計算に時間がかかることも予想される。その場合には適宜新たなコンピュータの導入を検討していく。

Causes of Carryover

現状はデータベースの作成を優先しており、研究に用いるコンピュータを購入しなかったため。