2021 Fiscal Year Research-status Report
MRIと深層学習を併用した新規乳癌悪性度解析法の確立：オーダーメイド治療への展開
| Project/Area Number |
20K08017
|
|---|
| Research Institution | Kanazawa University |
|---|
Principal Investigator |
川島 博子 金沢大学, 保健学系, 教授 (70293355)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
宮地 利明 金沢大学, 保健学系, 教授 (80324086)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | ＭＲＩ / 深層学習 / 乳癌 / 悪性度 |
|---|
| Outline of Annual Research Achievements |
本研究の目的はMRIより得られる膨大な情報を，ディープラーニングを用いて解析・選別し，オーダーメイド治療に直結する乳癌悪性度層別化プログラムを確立することである．治療開始前に乳癌の悪性度，すなわち予後を予測することが最終的な目標であるが，比較的予後が良好な悪性腫瘍である乳癌は予後の把握に時間を要する．欧米では遺伝子検査による予後予測結果と対比する手法が一般的だが，本邦では残念ながら遺伝子検査は普及していない．
本研究では課題を乳癌術前化学療法の病理学的完全奏功の予測に設定し，昨年度は術前化学療法によって病理学的完全奏功が得られた群と得られなかった群で臨床・病理データを比較し，病理学的完全奏功が得られた群では有意に腫瘍径が小さく，腫瘍内壊死が少ないという結果を得た．また造影MRI画像から得られた第一段階の特徴量を使用した検討では病理学的完全奏功が得られた群と得られなかった群の間で，単変量解析ではRange, Kurtosis, Skewnessに，多変量解析ではSkewnessにのみ有意差を認めるという結論を得た．
今年度は，第一段階の特徴量のみ使用，第二段階の特徴量のみ使用，第一段階と第二段階の両者を使用，の三者におけるROC解析を行い，第一段階と第二段階の両者を使用した場合の曲線化面積が最も大きいという結論を得た．また昨年度の造影MRIの解析に引き続いて，拡散MRIの特徴量を用いた検討に着手した．その結果，ADC, D, Dp, fの拡散パラメータの中ではADCが最も病理学的完全奏功の予測に有用であった．臨床データおよび画像の特徴のみ，拡散MRIの第一段階の特徴量を追加，拡散MRIの第一段階と第二段階の特徴量を追加，の三者を比較したところ，臨床データおよび画像の特徴に拡散MRIの第一段階と第二段階の特徴量を追加した場合が最も成績がよいことがわかった．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
特徴量の解析を依頼している学内のラボが業務多忙で，解析が遅れている．
|
| Strategy for Future Research Activity |
拡散MRIの特徴量解析を終える．次に，造影MRIのみ，拡散MRIのみ，造影MRI＋拡散MRIのうち，どれが化学療法の効果予測に最も有効かを導き出す．さらに臨床・病理学的データを加味した場合，加味しなかった場合でどちらの成績が良いかも検討する．最終的には，すべてのデータをどのように活用すれば最も正確な化学療法の効果予測が可能かを導き出す．
|
| Causes of Carryover |
学会がweb開催となり，旅費が不要となった．次年度も同様な状況が予想されるが，webを利用した情報収集に努め，できるだけ早い成果の公表，論文化のために，研究費を適切に使用していきたい．
|
