CT radiomics-based machine learning predicts objective response of first-line chemotherapy in patients with colorectal liver metastases.

2022 Fiscal Year Final Research Report

• Project/Area Number: 20K07702
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 50020:Tumor diagnostics and therapeutics-related
• Research Institution: Kumamoto University
• Principal Investigator: Miyamoto Yuji 熊本大学, 病院, 講師 (80551259)
• Co-Investigator(Kenkyū-buntansha): 日吉 幸晴 公益財団法人がん研究会, 有明病院 大腸外科, 副医長 (30573612) ; 徳永 竜馬 熊本大学, 大学院生命科学研究部(医), 特定研究員 (20594881) ; 今村 裕 公益財団法人がん研究会, 有明病院 消化器外科, 医長 (70583045) ; 清住 雄希 熊本大学, 大学院生命科学研究部(医), 特定研究員 (30827324) ; 中浦 猛 熊本大学, 病院, 准教授 (90437913)
• Project Period (FY): 2020-04-01 – 2023-03-31
• Keywords: 切除不能大腸癌 / 肝転移 / CTテクスチャ解析 / 機械学習 / AI / 化学療法 / 治療効果予測

Outline of Final Research Achievements

We aimed to evaluate the clinical efficacy of CT radiomics-based machine learning for colorectal liver metastases as a predictive method for chemotherapy responses in 150 mCRC patients. We identified three parameters as significant features for differentiating responsive and non-responsive metastatic liver tumors by variable selection using Boruta. The machine learning analysis showed high predictive accuracy in the validation cohort, with an AUC of 0.87 for treatment effects. In addition, CT radiomics-based machine learning methods could identify long OS patients. Our approach captured minute differences in CT images of liver metastases and accurately distinguished between responders and non-responders.

Free Research Field

消化器外科

Academic Significance and Societal Importance of the Research Achievements

肝転移は大腸癌の転移再発部位として最も頻度が高く、切除不能な状態で診断されることも多い。本研究結果は、このような患者に対し、全身化学療法の治療効果予測が可能となる。CTテクスチャ解析と機械学習を組み合わせて、癌に対する化学療法の治療効果予測に関する報告は少なく、その意味でも本研究の意義は高いと考えられる。また、CTは大腸癌治療前に必ず撮影する一般的な検査法であり、それ以外の特別な検査を要しないため、患者や医療経済に与える負担が少なく非常に有用なツールとなりうる。