2022 Fiscal Year Annual Research Report
| Project/Area Number |
20K08131
|
|---|
| Research Institution | Shiga University |
|---|
Principal Investigator |
村松 千左子 滋賀大学, データサイエンス学系, 准教授 (80509422)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
大岩 幹直 独立行政法人国立病院機構(名古屋医療センター臨床研究センター), その他部局等, 医長 (50649697)
川崎 朋範 埼玉医科大学, 医学部, 教授 (90456484)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | ラジオミクス解析 / 深層学習 / 乳癌 / 画像診断 / サブタイプ分類 / グレード分類 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は乳がんの画像診断で用いられる画像のラジオミクス解析により，乳がんのサブタイプや病理学的グレードなどを予測し，読影医の診断と治療方針の決定を支援し最適化医療に貢献することである．乳がんの治療はサブタイプにより薬物療法等の適用が異なる．通常は左プタイプ分類は病変部より細胞を採取する生検により行われるが，一般的に初期に行われるマンモグラフィや超音波検査からサブタイプの予測ができれば，よりスムーズに治療計画が立てられ，診断にかかる時間の短縮や患者の心理的負担の軽減が期待できる．
予測モデルの構築にはマルチモダリティ，マルチセンターの検査画像と病理診断結果が揃った質の良いデータベースが必要である．最終年度には新たに200症例を追加し，アノテーションをもとにマンモグラフィの病変領域の切り出しを行った．また600症例の超音波画像に対して病変部の特徴をとらえやすいように局所領域の切り出しを行った．これらとは別の施設からも症例を収集し，研究に使用できるように前処理や情報の整理を行っている．
本研究ではマンモグラフィと超音波画像それぞれ単独で用いた時と，両画像を用いた時でサブタイプや病理学的グレード，浸潤性の分類の精度がどう変化するか検討を行い，マルチモダリティを用いたモデルの方が分類精度が高くなることを確認した．サンプルの不均衡問題には対照学習を用いる方法を検討したが，データ拡張処理と比較して著しい効果は得られなかった．サンプル不均衡問題には今後も更なる検討が必要である．全体的なサブタイプ分類精度はまだ十分でないため，モデルの再検討や画像サイズの検討，学習方法の検討を引き続き行っていく予定である．
|
Research Products
(4 results)
