肺の機能と形態の線量評価を融合した放射線肺臓炎予測モデルの構築

2020 Fiscal Year Research-status Report

• Project/Area Number: 20K16815
• Research Institution: Tohoku University
• Principal Investigator: 勝田 義之 東北大学, 大学病院, 助教 (90848326)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Keywords: 放射線肺臓炎 / 機械学習

Outline of Annual Research Achievements

本研究では、肺の形態と機能を融合させた高精度な放射線肺臓炎予測モデルを構築することである。
【肺機能画像の作成】本課題の対象は、固定多門放射線治療および強度変調放射線治療が実施された非小細胞肺癌症例である。肺機能画像は四次元断層撮像から得られた最大呼気相および最大吸気相画像と非剛体レジストレーションの組み合わせから作成した。まず、非剛体レジストレーションによって、最大吸気相画像を最大呼気相画像の解剖情報を参照しながら誤差1mm以内を目標に変形させた。被変形最大吸気画像と最大呼気肺機能画像から二通りの計算方法 (①画像濃度値に基づく方法、②非剛体レジストレーション変位量に基づく方法) のそれぞれで機能画像を作成した。
【予測モデルの構築】2クラスのパターン分類にてグレード2以上の副作用発生を予測するモデルを構築した。まず、比較的古典的な方法である分類木法に基づいた予測モデルを構築した。さらに、マージン最適化によりクラス分類を実施する新興の手法であるサポートベクターマシン法に基づいてモデルを構築した。予測モデルを構築する際、肺の形態および機能の線量指標から副作用発生を正しく分類するモデル係数の組み合わせを決定する必要がある。この係数を分類木法およびサポートベクターマシン法の両方で活用できる確率的最適化に基づいて検索する演算環境を併せて構築した。この確率的最適化によって、従来法よりも効率的な係数検索が可能となった。
【研究発表】肺の形態と機能を融合させた放射線肺臓炎予測モデルを発表した。

Current Status of Research Progress

1: Research has progressed more than it was originally planned.

Reason

肺機能画像の作成が完了し、既に予測モデルの構築に取り掛かっている。

Strategy for Future Research Activity

現在の進行状況を踏まえて以下の2点を実施する。

1. 予測モデルの構築を完了させ、形態と機能が融合された予測の性能を明らかにする。

2. 一般化性能に注視しつつ必要に応じてマージンを決定する係数の最適化を実施する。

Causes of Carryover

コロナの影響で当初の予定よりも学会参加できなかったため次年度使用額が生じた。今後はコロナの感染状況を踏まえつつ翌年度使用分を学会参加に充てる。

Research Products

• [Presentation] Evaluation of machine learning-based prediction model for radiation pneumonitis in NSCLC patients (2020)
  • Author(s): Mouri S, Kadoya N, Katsuta Y, Kanai T, Nakajima Y, Tanabe S, Sugai Y, Umeda M, Dobashi S, Takeda K, Jingu K
  • Organizer: 20th Asia-Oceania Congress of Medical Physics
  • Int'l Joint Research