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

2021 Fiscal Year Research-status Report

• 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, 副診療放射線技師長 (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芳賀 昭弘 徳島大学, 大学院医歯薬学研究部(医学域), 教授 (30448021) ; 山下 英臣 東京大学, 医学部附属病院, 准教授 (70447407) ; 高橋 渉 東京大学, 医学部附属病院, 助教 (50755668) [Withdrawn] ; 鈴木 雄一 東京大学, 医学部附属病院, .副診療放射線技師長 (70420221)
• Project Period (FY): 2018-04-01 – 2023-03-31
• 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) 投与線量分布の精度を向上させるため，治療直前に得られる位置合わせ用CBCT画像の画質改善を行った．ここで，画質改善法には深層学習を適用した．また，再計算には放射線治療中の放射線治療機器のログデータを利用した．このログデータを利用することにより，照射中の機械的な誤差を反映することができた．再構築した投与線量分布と治療計画を比較することによって，患者の日々の投与線量分布と治療計画の誤差が評価できた．
(2) 放射線治療は通常，複数回の照射を遂行する．(1)で作成した日々の投与線量分布から積算線量分布の作成を試みた．ここで，非剛体レジストレーション（deformable image registration : DIR）を用いて計画用CT画像を基準に投与線量分布を変形することによって，積算線量分布を作成した．
(3) 前立腺癌を対象とした定位放射線治療の治療効果や副作用について，臨床情報の収集を行った．また，積算線量分布を用いた治療効果や副作用の評価法について，検討を行った．

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

深層学習を用いたCBCT画像の画質改善において，臓器の位置保存に重点を置くため，計算パラメータやネットワークの選定に時間を費やした．また，投与線量分布の作成および蓄積に遅れが生じていることに加え，投与線量分布の特徴量解析に必要な学習モデルの選定や解析法の検証に時間を要している．

Strategy for Future Research Activity

1. 画質改善を行ったCBCT画像を使用した日々の投与線量分布の再構築と蓄積
2. 積算線量分布の構築
3. 治療効果や副作用などの臨床情報の蓄積
4. 学習モデルの構築と投与線量分布の誤差要因の明確化

Research Products

• [Presentation] 深層学習を用いて画質改善した位置合わせ用CBCT上における線量分布の再構築 (2021)
  • Author(s): 今江禄一，青木淳，竹中重治，松田佳奈子，三枝茂輝，鍛冶静雄，岩永秀幸，阿部修．
  • Organizer: 第49回日本放射線技術学会秋季学術大会
• [Remarks] researchmap: 今江禄一
  • URL: https://researchmap.jp/m035402
• [Remarks] 東京大学医学部附属病院 放射線科 放射線治療部門 > 研究・業績
  • URL: http://u-tokyo-rad.jp/works/index.html