2018 Fiscal Year Research-status Report

個別化放射線治療に貢献する投与線量分布の特徴量解析

Research Project

Project/Area Number	18K07667
Research Institution	The University of Tokyo
Principal Investigator	今江禄一東京大学, 医学部附属病院, 主任診療放射線技師 (80420222)
Co-Investigator(Kenkyū-buntansha)	芳賀昭弘徳島大学, 大学院医歯薬学研究部(医学域), 教授 (30448021) 山下英臣東京大学, 医学部附属病院, 講師 (70447407) 高橋渉東京大学, 医学部附属病院, 助教 (50755668) 鈴木雄一東京大学, 医学部附属病院, 診療放射線技師 (70420221)
Project Period (FY)	2018-04-01 – 2021-03-31
Keywords	個別化 / 放射線治療 / 投与線量分布 / 特徴量 / 形態変化
Outline of Annual Research Achievements	近年の情報処理技術の発展および臨床情報の蓄積に伴って，患者個々の特性に対応した放射線治療（以下，個別化放射線治療）への発展が予想される．有効かつ安全な個別化放射線治療の実現には，実際に患者に投与された線量分布（以下，投与線量分布）を正確に評価することが望ましい．本研究では，個別化放射線治療の実現およびその安全な運用に向けて，包括的に投与線量分布を評価した上で，計画と投与線量分布の誤差要因についてその特徴量を明らかにすることを目的とする．当該年度は以下のことを実施した． (1)前立腺20症例を対象として，定位放射線治療を実施した．照射法にはVMAT（volumetric modulated arc therapy）を採用し，回転治療中に投影画像と照射制御パラメータを収集した．収集した投影画像から治療中のコーンビームCT（cone beam computed tomography：CBCT）画像を再構成し，治療中のCBCT画像と照射制御パラメータならびに非剛体レジストレーション（deformable image registration : DIR）用いて治療中の線量分布を作成し，治療計画の線量分布と比較した． (2)治療前および治療中のCBCT画像の画質は低く，投与線量分布の作成の障壁であった．画像再構成法について既存の方法の再検討や機械学習・深層学習を用いた新たな画質改善法を検討した． (3)胸部において，重要なリスク臓器に隣接した領域に対する定位放射線治療の至適線量について明確なエビデンスがないのが現状であった．この課題に対して，治療計画や投与線量分布，治療効果，副作用についてデータの蓄積と解析を行った．
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason 当該年度では，前立腺20症例に対する投与線量分布の作成を行い，論文の投稿を行った．今後も症例の蓄積を行う予定である．投与線量分布の特徴量解析に必要な学習モデルについては準備段階である．また，CBCT画像の新たな画質改善法について深層学習を採用したものを提案し，論文を投稿中である.
Strategy for Future Research Activity	1. 前立腺を対象とした投与線量分布の作成を引き続き行い，症例の蓄積を行う． 2. 画質改善を行ったCBCT画像が臓器の位置や形状変化，線量計算への使用について検討を行う． 3. 前立腺以外の部位（頭頸部や胸部を想定）においても投与線量分布が構築可能か検討する． 4. 情報の蓄積および学習モデルの構築 5. 投与線量分布の誤差要因の明確化
Causes of Carryover	当該年度に計上していた解析用ワークステーションについて既存のものを利用したため，次年度使用額が生じた．次年度以降では解析用ワークステーションの購入，国内学会の参加を検討している．また，国際論文の投稿を目標として，英語論文の作成で必要な校閲費用を英語校閲費として計上しており，有効に活用する予定である．