治療時患者変動を考慮したRadiomicsベース放射線治療予後予測法の開発

2018 Fiscal Year Research-status Report

• Project/Area Number: 18K15625
• Research Institution: The University of Tokyo
• Principal Investigator: 仲本 宗泰 東京大学, 医学部附属病院, 特別研究員 (10808877)
• Project Period (FY): 2018-04-01 – 2021-03-31
• Keywords: 医学物理学 / Radiomics / 神経膠腫 / 肺がん転移性脳腫瘍 / 機械学習 / 予後因子予測

Outline of Annual Research Achievements

本研究はRadiomics (レディオミクス) に基づく放射線治療期間内の患者統計的変動を考慮した予後予測システムの開発を目的とする．本年度は放射線治療前における患者統計変動に着目し，放射線治療前に精査目的で取得された医用画像を収集しデータベースを構築した．さらに，放射線治療前の画像から抽出されるRadiomics特徴量を用いて予後に関連する因子(悪性度，遺伝子情報)を予測可能であるか調査した．
解析は神経膠腫と肺がんを原発とする転移性脳腫瘍を対象とした．放射線治療前に精査目的で撮像された神経膠腫73例，肺がん転移性脳腫瘍40例のMR (magnetic resonance) 画像を収集し治療前の患者変動を含んだ医用画像データベースを構築した．収集した各患者のMR画像はT1強調，T2強調，拡散強調など複数のシーケンスで撮像されたもので構成した．データベース内の全ての画像上の腫瘍領域内からRadiomics特徴量を抽出した．Radiomics特徴量として腫瘍のサイズ/形状，腫瘍内の信号強度やテクスチャなどを定量化した特徴量を採用した．次に機械学習を用いて抽出したRadiomics特徴量から神経膠腫では悪性度，転移性腫瘍では原発巣である肺がんのEGFR (epidermal growth factor receptor) 遺伝子変異の予測モデルを構築した．機械学習はサポートベクターマシン，ニューラルネットワーク，ランダムフォレストなど様々な手法を適用した．構築した予測モデルは交差検証にて評価を行い結果，治療前に取得された画像から抽出されるRadiomics特徴量を用いて神経膠腫の悪性度と転移性脳腫瘍に基づく原発肺がんの遺伝子変異を十分な精度で予測できる可能性を示すことができた．

Current Status of Research Progress

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

Reason

放射線治療前に精査目的で撮像された医用画像を収集し，治療前の患者変動を含んだ画像データベースを構築した．そして，データベース内の画像から抽出されるRadiomics特徴量を用いて予後に関連する因子の予測が実現可能か検証し，結果として神経膠腫の悪性度と転移性脳腫瘍に基づく原発肺がんの遺伝子変異を十分な精度で予測できる可能性を示せた．

Strategy for Future Research Activity

対象とする疾患の幅を拡げ症例数を増やすことで本年度取り組んだ放射線治療前に撮像される医用画像からRadiomicsに基づく予後因子予測法の精度を上げる予定である．また，放射線治療期間内における毎回の治療前にIGRT (image-guided radiation therapy) を目的として撮像されるCBCT (cone-beam computed tomography) 画像からRadiomics特徴量を抽出し，治療期間内における特徴量の経時的な変動と予後との相関関係について調査する予定である．

Causes of Carryover

当初，大規模な医用画像データベースを基にRadiomics特徴量抽出，機械学習を用いた予測モデルの構築を高速度・効率に行うための高性能な大型ワークステーションの購入を予定していたが，本年度構築した画像データベースに基づく解析では質的・量的に既存のワークステーションで十分に処理を行うことができたため本年度は解析手法の確立に努め，大規模データベースを用いて解析を進める次年度に購入を延期した．次年度に繰り越した予算は前述の通り大規模データベースを用いた解析を効率良く行うための並列処理を可能とするGPU (graphics processing unit) 搭載の高性能大型ワークステーション購入に使用する．

Research Products

• [Journal Article] Radiomics入門 (2018)
  • Author(s): 仲本 宗泰, 芳賀 昭弘, 高橋 渉
  • Journal Title: 医学物理 Volume: 38 Pages: 129～134
  • DOI: https://doi.org/10.11323/jjmp.38.3_129
  • Peer Reviewed / Open Access
• [Journal Article] Cone Beam Computed Tomography Image Quality Improvement Using a Deep Convolutional Neural Network (2018)
  • Author(s): Kida S, Nakamoto T, Nakano M, Nawa K, Haga A, Kotoku J, Yamashita H, Nakagawa K
  • Journal Title: Cureus Volume: - Pages: -
  • DOI: https://doi.org/10.7759/cureus.2548
  • Peer Reviewed / Open Access
• [Journal Article] Volumetric and dosimetric comparison of organs at risk between the prone and supine positions in postoperative radiotherapy for prostate cancer (2018)
  • Author(s): Sawayanagi S, Yamashita H, Ogita M, Kiritoshi T, Nakamoto T, Abe O, Nakagawa K
  • Journal Title: Radiation Oncology Volume: 13 Pages: -
  • DOI: https://doi.org/10.1186/s13014-018-1023-0
  • Peer Reviewed
• [Presentation] Radiomics-based prediction of malignant glioma grades using T2-weighted magnetic resonance images (2018)
  • Author(s): Nakamoto T, Takahashi W, Haga A, Takahashi S, Nawa K, Ohta T, Ozaki S, Tanaka S, Mukasa A, Nakagawa K
  • Organizer: The American Association of Physicists in Medicine 60th Annual Meeting
  • Int'l Joint Research
• [Presentation] Radiomics analysis for detection of IDH mutation of glioma using diffusion tensor and kurtosis images (2018)
  • Author(s): Takahashi S, Takahashi W, Tanaka S, Haga A, Nakamoto T, Mukasa A, Takayanagi S, Suzuki Y, Koike T, Kitagawa Y, Hana T, Nejo T, Nomura M, Saito N
  • Organizer: Society for Neuro-Oncology 2018 Annual Meeting
  • Int'l Joint Research
• [Presentation] A feasibility study for classifying malignant glioma grades based on a radiomics analysis (2018)
  • Author(s): Nakamoto T, Takahashi W, Haga A, Takahashi S, Nawa K, Ohta T, Ozaki S, Nozawa Y, Tanaka S, Mukasa A, Nakagawa K
  • Organizer: 日本放射線腫瘍学会第31回学術大会
• [Presentation] MRI画像に基づくラディオミクスによる神経膠腫1p/19q共欠失の非侵襲的解析 (2018)
  • Author(s): 高橋渉, 仲本宗泰, 芳賀昭弘, 高橋慧, 田中将太, 山下英臣, 中川恵一
  • Organizer: 日本放射線腫瘍学会第31回学術大会
• [Presentation] 拡散画像のRadiomics解析と機械学習モデルによるIDH-1遺伝子変異の同定 (2018)
  • Author(s): 高橋慧, 高橋渉, 田中将太, 芳賀昭弘, 武笠晃丈, 仲本宗泰, 鈴木雄一, 小池司, 北川陽介, 花大洵, 根城尭英, 野村昌志, 高柳俊作, 斎藤延人
  • Organizer: 第19回日本分子脳神経外科学会
• [Presentation] 拡散画像を使ったconvolutional neural networkによる神経膠腫の悪性度診断 (2018)
  • Author(s): 高橋慧, 田中将太, 高橋渉, 仲本宗泰, 鈴木雄一, 北川陽介, 花大洵, 根城尭英, 野村昌志, 高柳俊作, 斎藤延人
  • Organizer: 日本脳神経外科学会第77回学術総会
• [Presentation] CBCT image quality improvement using a deep convolutional neural network (2018)
  • Author(s): Kida S, Nakamoto T, Nakano M, Nawa K, Haga A, Kotoku J, Yamashita H, Nakagawa K
  • Organizer: 第115回医学物理学会学術大会
• [Remarks] 東京大学医学部附属病院 放射線科 放射線治療部門
  • URL: http://u-tokyo-rad.jp/index.html