2019 Fiscal Year Research-status Report
Radiomicsに基づく放射線治療支援システムの開発
| Project/Area Number |
18K15604
|
|---|
| Research Institution | Komazawa University |
|---|
Principal Investigator |
馬込 大貴 駒澤大学, 医療健康科学部, 講師 (60725977)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Keywords | 機械学習 / 放射線治療 / 個別化治療 / 最適化 / 前立腺癌 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、個別化治療の実現を支援する放射線治療支援システムを開発することである。現在の放射線治療は、個々の患者毎に個別化された治療が行われるわけではなく、疾患や病期等が決まれば同一の治療が行われ続けている。我々はこの問題を解決するために、AIをより積極的に活用する支援システムの開発を行っている。該当年度は、（１）生存期間予測モデルに基づく放射線処方線量の最適化支援システムの開発と、（２）大規模コホート研究データを用いた予後予測システムの開発を行った。
（１）電子カルテから得られる臨床特徴量と放射線量に関する特徴量を組み合わせて機械学習モデルに入力し、放射線治療後の生存期間を出力として予測する機械学習モデルを作成した。モデルにはsupport vector machineを用い、放射線量を擬似的に変化させた場合に生存期間がどのように変化するかを解析した。結果として、放射線量を増やすほど生存期間が延びる患者群と、放射線を増やしても生存期間にほぼ変化がない患者群に層別化することが可能であった。AIを積極的に使うことで、患者毎に適切な処方線量を提案できる可能性が示唆された。
（２）前立腺癌小線源治療を対象とした大規模コホート研究データを使用した予後予測システムを開発し、データベース規模と予測性能の関連を調査した。結果として、より多くの特徴量を入力することで、予測性能が向上する傾向があった。多くの調査項目を含む大規模なビッグデータを構築することで前立腺癌患者の小線源治療後の予後を高精度に予測できる可能性が示された。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
来年度までの開発を予定していた予後予測手法の開発が早期に終了し、英語論文として出版された。投与線量をAIに予測させて支援を行う手法の提案はこれまでになく、患者毎に適切な処方線量を提案できる可能性が示唆された。
提案システムは、治療前のリスク評価や個別化線量最適化のための臨床試験などに実装することが可能であり、最終的には日常的な臨床現場において個別化医療の実現のために使用されることが期待される。
|
| Strategy for Future Research Activity |
画像データをより積極的に使用して予後予測方法の高精度化を目指す予定である。さらに、画像データと画像以外のデータを組み合わせた放射線治療支援システムの開発を開始している。
研究成果は、米国医学物理学会（AAPM Annual Meeting, 2020/7/12-16）とAustralian Society of Medical Imaging and Radiation Therapy （ASMRT, 2021/2/11-14）にて発表予定であり、適宜英語論文としてまとめる予定である。
|
| Causes of Carryover |
論文の掲載料が年度を跨いだため。
|
