2022 Fiscal Year Annual Research Report
Automatic treatment planning based on patient-specific dose distribution using deep learning
| Project/Area Number |
20K16742
|
|---|
| Research Institution | Kansai Medical University |
|---|
Principal Investigator |
小池 優平 関西医科大学, 医学部, 助教 (90866154)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 高精度放射線治療 / 医学物理 / 個別化治療 / 深層学習 / 人工知能 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、深層学習を用いて患者個々の解剖学的情報に基づいて放射線治療における線量分布の推定を行うことで、高速かつ高精度な自動放射線治療計画法の開発することである。線量計算（最適化）に時間の要する強度変調放射線治療の線量分布について、深層学習を用いることで日々の体型の変化、臓器の位置変化に対して迅速に対応可能な線量分布予測法の開発を目指す。
前年度までに解剖学的構造が複雑ではない前立腺がんに対する線量分布の予測モデルの構築を行った。入力した輪郭情報に基づく損失関数を新たに導入することで、深層学習の回帰問題において一般的に用いられる損失関数である平均二乗誤差で訓練したモデルよりも優位に精度が向上したモデルを作成することに成功した。
最終年度は前年度に投稿していた前立腺がんにおける線量分布予測に関する論文が受理された。また前立腺よりも解剖学的構造が複雑で治療計画に時間を要する頭頸部がん症例に対するモデルの作成を行った。前立腺と比較して腫瘍の位置や範囲が症例により様々であり、解剖学的にも複雑であり、学習が収束するのに時間を要した。さらなるモデル精度の向上が必要であり、ハイパーパラメータの調整や、より複雑なモデルの構築を引き続き開発していく。
本研究では患者固有の解剖学的情報を用いるため、従来の線量体積ヒストグラム（DVH）に基づく最適化による治療計画よりも正確な線量分布の作成が期待できる。また過去の蓄積した症例をもとに学習されたモデルであるので、推定される線量分布は計画者の技量によらない均質な線量分布となることが期待できる。また放射線治療当日の解剖学的位置関係が治療計画作成時と大きく乖離していた場合に、その時の臓器の位置に適応した線量分布の生成が可能となり、適応放射線治療の新たな技術として期待され、社会的意義は大きい。
|
Research Products
(3 results)
