• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to project page

2019 Fiscal Year Research-status Report

食道癌化学放射線療法における人工知能を用いた治療効果予測モデルの開発

Research Project

Project/Area Number 19K08153
Research InstitutionHiroshima University

Principal Investigator

村上 祐司  広島大学, 医系科学研究科(医), 講師 (10403528)

Co-Investigator(Kenkyū-buntansha) 河原 大輔  広島大学, 医系科学研究科(医), 助教 (20630461)
西淵 いくの  広島大学, 医系科学研究科(医), 助教 (70595834)
三木 健太朗  広島大学, 病院(医), 病院助教 (90732818)
Project Period (FY) 2019-04-01 – 2022-03-31
Keywords人工知能 / 治療効果予測 / Radiomics / 食道癌 / 術前化学放射線治療 / 機械学習
Outline of Annual Research Achievements

Radiomicsと人工知能(AI)による切除可能局所進行食道癌術前化学放射線療法後の術後病理所見予測モデルの検討を行った。[方法] 2003年から2016年に術前化学放射線療法(放射線線量40Gy/20分割、併用化学療法:標準用量シスプラチン+フルオロウラシル)+食道切除術を受けた98人の食道扁平上皮癌患者のデータを使用した。まず、放射線治療計画CT画像と治療前PET画像を融合し、PET画像上に8種類の標的領域を作成。次に、radiomics技術を用いて、標的領域内のPET画像データから、患者ごとに計6968種類の画像特徴量を生成した。その中から機械学習に最適な画像特徴量を、LASSO解析ソフトを用いて抽出。機械学習法は、ニューラルネットワークを使用し、抽出した画像特徴量を入力値、術後病理所見pCRまたはnot pCRの情報を出力値とし、58症例のデータを学習データ、15症例のデータを検証データとして機械学習を行い、予測モデルを作成した。残る25症例のテストデータを使用して予測精度を評価した。再現性を高めるためにFive-fold cross validationでの検証を行った。[結果] LASSO解析にて32の特徴量が抽出され、学習データ・検証データにて予測モデルを構築した。結果、テストデータにおける術前CRT後の病理所見の予測の精度、特異性、感度の平均は、91.2%、92%、89.5%であった。[結論]治療前PET画像データを用い作成した切除可能局所進行食道癌術前化学放射線療法後の術後病理所見予測モデルは、術前化学放射線療法後の病理学的効果を高率に予測可能であった。

Current Status of Research Progress
Current Status of Research Progress

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

Reason

計画は順調に進んでいる。これまでに、98例の術前化学放射線治療+手術療法をうけた食道癌患者のデータを使用し、Radiomics+機械学習による治療効果予測モデルを構築し良好な予測率のモデルを構築した。本結果は、国内および国外での学会発表にて公表した。

Strategy for Future Research Activity

これまでの成果を論文作成する。追加症例でのモデルの検証を進めていく。また、本研究手法を用いた新たな研究の展開を検討する。

Causes of Carryover

体調を壊したため予定していた1月に予定していた米国への学会出張が中止となったため。
次年度の海外、国内学会への渡航費、宿泊費ならびに参加費に充てる予定である。

  • Research Products

    (2 results)

All 2020

All Presentation (2 results)

  • [Presentation] RadiomicsとAIによる切除可能局所進行食道癌術前化学放射線療法後の病理所見予測モデルの検討2020

    • Author(s)
      村上祐司
    • Organizer
      第33回高精度放射線外部照射部会学術大会
  • [Presentation] A prediction model for pathological findings after neoadjuvant chemoradiotherapy for resectable locally advanced esophageal cancer based on PET images using radiomics and machine-learning.2020

    • Author(s)
      Yuji Murakami
    • Organizer
      2020 Gastrointestinal Cancers Symposium

URL: 

Published: 2021-01-27  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi