2021 Fiscal Year Research-status Report
膵癌における人工知能技術を用いた臨床画像からの遺伝子変異・発現予測
| Project/Area Number |
20K17570
|
|---|
| Research Institution | Chiba Cancer Center (Research Institute) |
|---|
Principal Investigator |
岩立 陽祐 千葉県がんセンター(研究所), 肝胆膵外科, 医長 (10815731)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | pancreatic cancer / Radiogenomics / artificial intelligence / ITGB1 / ITGAV |
|---|
| Outline of Annual Research Achievements |
本年度は前年度に膵癌において癌と周辺正常組織からのmRNA抽出および次世代シークエンサー(NGS)による解析結果から得られた標的遺伝子であるITGAV、ITGB1において画像解析を行った。前年度にITGAV、ITGB1に関してはRNA-seqによる発現解析とタンパク発現の相関関係を確認し、カットオフ値を設定し免疫染色(IHC)において臓癌107例で検証した。その結果ITGB1、ITGAVともに予後、再発因子となった(ITGB1: P = 0.035.0.028, ITGAV:P = 0.005,0.003)。これらを多変量解析を行った結果もP<0.05となり、独立した予後、再発規定因子となった。これら発現解析を行った107例に対して画像解析を行うべく、CTのPCAS画像から3D slicerというsoft wareを用いて腫瘍の立体画像を構築、Volume of interest (VOI)
を構築し様々な画像的特徴量の抽出、および機械学習を行い、最適な特徴量選択と機械学習う手法の模索を行った。またVOIとその腫瘍辺縁領域4㎜を含むVOI+4㎜、さらにVOI+8㎜の検討も行った。結果、ITGAVにおいては1,874種類で動脈相、静脈相を含め合計3,748個の特徴量から機械学習を行い、機械学習についてはDeep neural networkやRandam Forrest, ,Regression Line, eXtreme Gradient Boosting(XGBoost)を検討し、XGBoostによる学習能が最適となり、5-Fold nested Validation という手法にてハイパーパラメータの設定と、Validationとを共におこなった。さらにVOI,VOI+4㎜,VOI+8㎜で検討を行い、最も鑑別能の高かったVOI+4㎜を採用し、結果AUC＝0.697が得られた。この機械学習モデルと用いて、
予後、再発の検討を行うとそれぞれ P = 0.048, 0.128 と予後のみ予測可能なモデル構築が可能となった。より精度の高い、モデル構築のためより多数症例での検討や条件の検討を行っている。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
当院においても膵臓癌に対する術前化学療法が標準化され、術前無治療にて手術を施行する症例が極端に少なくなってしまっているため、症例の登録数があまりなく多症例でのシークエンス等の網羅的研究は遅延している状況となっております。
|
| Strategy for Future Research Activity |
RNA-seqにて臨床病理学的に意義のあると思われるITGB1については免疫染色において
予後、再発率に寄与することを確認した。今後は最適な画像的特徴量の選択と機械学習モデルの構築に取り組むことと、より多症例での検討、またRNA-seq症例においては術前造影MRIも施行しており、CT以外のモダリティーを含めた検討も行っていく予定となっております。
|
| Causes of Carryover |
現在本研究において執筆中の論文もあり、英文校正や出版にあたり費用が生じることと、
本研究の症例が集まり次第、次世代シークエンサーによる組織DNA、RNAを行う方針であり、そのためのChipや試薬には費用を要すため、今後も使用さえていただく計画となっております。
|
| Remarks |
千葉県がんセンターにおけるオプトアウトのURLとなっております。
|
-
[Journal Article] Machine learning with imaging features to predict the expression of ITGAV, which is a poor prognostic factor derived from transcriptome analysis in pancreatic cancer2022
Author(s)
YOSUKE IWATATE, HAJIME YOKOTA, ISAMU HOSHINO, FUMITAKA ISHIGE1, NAOKI KUWAYAMA, MAKIKO ITAMI, YASUKUNI MORI, SATOSHI CHIBA, HIDEHITO ARIMITSU, HIROO YANAGIBASHI, WATARU TAKAYAMA, TAKASHI UNO, JASON LIN, YUKI NAKAMURA, YASUTOSHI TATSUMI, OSAMU SHIMOZATO and HIROKI NAGASE
-
Journal Title
International Journal of Oncology
Volume: 60
Pages: 1791-2423
DOI
Peer Reviewed / Open Access / Int'l Joint Research
-
-
