2023 Fiscal Year Annual Research Report
クラスタリング手法によるMRI画像解析ー聴神経鞘腫の病態解明と先制医療の実現ー
| Project/Area Number |
20K09371
|
|---|
| Research Institution | Ehime University |
|---|
Principal Investigator |
國枝 武治 愛媛大学, 医学系研究科, 教授 (60609931)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山田 啓之 愛媛大学, 医学系研究科, 准教授 (00403808)
大石 直也 京都大学, 医学研究科, 特定准教授 (40526878)
中村 壮志 愛媛大学, 医学部附属病院, 助教(病院教員) (50794468)
井上 明宏 愛媛大学, 医学部附属病院, 講師 (20593403)
末廣 諭 愛媛大学, 医学系研究科, 助教 (50775012)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | MRI画像解析 / 前庭神経鞘腫 / 深層学習 / 予後予測 |
|---|
| Outline of Annual Research Achievements |
良性腫瘍の正確な予後予測には、定量的な画像診断を客観的に確立することが必須である。恣意性なく、画像から自動で腫瘍のセグメンテーションを行う手法を開発して精度を検証した。昨年までに、耳鼻咽喉科外来で画像と経過の観察をされた患者群を教師情報として用いて、腫瘍認識の自動認識が可能となった。この群は主に充実性腫瘍が中心で、腫瘍体積が大きくて症候性で外科的治療適応があるような症例や、のう胞成分が過半を占める症例も加えて検証を行うと、認識が安定しないことが判明した。今年度は、脳神経外科が診療・治療の主体となった症例群も含めて調整を行った。具体的には、充実成分が主体でも自動認識が不良のものを初めとして、腫瘍体積が大きいもの、のう胞成分を多く含むものを順次追加して、3D Residual U-Netモデルでの深層学習を繰り返すことで精度の改善を図った。学習に用いなかった300例以上のMRI画像について自動解析を行って、腫瘍の認識精度をDice係数で検討し、比較的高い結果を得ることができた。開発した深層学習アルゴリズムは、恣意性を排除した体積での腫瘍増大評価を可能とし、外来での適切なフォローアップに寄与するものと考えられた。また、症候化に関する因子は増大のみではないとする先行研究から、画像情報だけでなく、分子メカニズムに関連する因子を組み合わせ、腫瘍の増大・症候化予測など実践的な応用に発展させることを考えた。手術治療介入の有無によらず、症例データベースを確立できたので、経過中に症候性を呈して手術介入が必要になる因子の探索として、摘出標本の病理所見に注目した。限られた症例数だが、Ki-67、PD-L1、PDGF、CEAといった因子について免疫組織学的検討を行った。現在のデータベースにおいて、増大に関連する因子は確認できたが、症候化と直接に関連する因子は一定の傾向は確認できなかった。今後、前方視的研究を進めていく。
|
