radiomics解析による定位放射線治療simulation modelの開発

2019 Fiscal Year Research-status Report

• Project/Area Number: 19K24042
• Research Institution: The University of Tokyo
• Principal Investigator: 新谷 祐貴 東京大学, 医学部附属病院, 助教 (20844616)
• Project Period (FY): 2019-08-30 – 2021-03-31
• Keywords: radiomics / 定位放射線治療 / simulation model

Outline of Annual Research Achievements

医用画像は膨大な情報(画像特徴量)を有するが、これを抽出・定量化し、高次元の定量的特徴を用いた網羅的解析を行う手法をradiomicsという。本研究ではradiomicsを用いて、脳腫瘍におけるガンマナイフ治療反応性を予測するsimulation modelを確立することを目的とした。現在までの研究成果は下記のとおりである。
(1)研究代表者の所属する東京大学脳神経外科が有するガンマナイフ治療データ3500件の中から、転移性脳腫瘍1000例、髄膜腫500例を抽出した。次に、詳細な治療後臨床情報と治療後画像情報を有する転移性脳腫瘍100例の治療時画像データ、線量計画データ、治療前後の臨床データを抽出した。同様の手順で、5年以上の長期治療後臨床情報を有する髄膜腫100例のデータを抽出した。(2)これらの臨床データと治療時の画像データをインプットし、治療反応性を制御可/不可の二値変数としてアウトプットした。(3)治療時医用画像を用いて腫瘍輪郭を抽出した(セグメンテーション)。セグメンテーションには治療時に作成した線量計画データを用い、腫瘍輪郭に過不足なく沿った線量ラインを用いた。(4)セグメンテーション画像から腫瘍の形態的特徴量、画素値ヒストグラムの特徴量、画素値の空間的分布の均質・不均質性を定量化したテクスチャ特徴量を専用のソフトウェアを用いて抽出した。更にヒストグラム特徴量及びテクスチャ特徴量に関しては元画像だけでなく、フィルター処理を施すことで特定の構造やパターンを強調、低減させた画像からも抽出した。これらはMATLABを用いてworkstation上で行った。(5)以上のプロセスを経て、計695因子の画像特徴量を抽出した。(6)これらの画像特徴量および臨床情報を集積したデータベースを作成した。現在このデータベースを用いて、ガンマナイフ治療反応予測モデルを開発中である。

Current Status of Research Progress

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

Reason

研究開始時から現時点までに、最も時間を要する画像特徴量の抽出、および臨床情報を集積したデータベース作成作業が完了した。したがって、現在治療反応性予測に寄与する特徴量、臨床情報を抽出することが可能な状況となり、現在中間解析中である。当初計画していた本年度中の本解析、学会発表は十分可能な状況と考えられる。

Strategy for Future Research Activity

現在、上記のステップで作成したデータベースを用いて、ガンマナイフ治療への反応性に関してradiomics解析中である。解析は主に多変量解析となるが、ロジスティック回帰、サポートベクターマシン、ナイーブベイズ、線形学習器であるカーネル法を用いた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等様々な手法を試みている。また、アウトカムとして時間依存変数を用いた解析も行っており、これにはカプランマイヤー法による生命曲線解析手法に準じ、単変量解析としてはログランク検定、多変量解析としてはCox比例ハザード モデルを用いている。中間解析結果を国内外での学会で発表予定である。また、今年度は本解析を行い、解析結果を学会発表ならびに英文誌へ投稿する予定としている。

Causes of Carryover

概ね予定通りの研究運営が行えており、研究費使用もそれに沿ったものとなっている。上記のごとく、わずかに余剰金が発生している。今年度の解析に必要な物品（ワークステーション、解析ソフト、コンピューター等）は概ねそろった状況となった。翌年度の助成金ならびに余剰金を使用し、次年度も引き続き研究設備を拡充し、学会発表（参加費、交通費）、論文出版（英文校正費、出版費）を行う予定としている。