2022 Fiscal Year Annual Research 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、一昨年度より実施している12人の膵癌患者において癌と周辺正常組織からのmRNA抽出と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に対してのRNA-seqによる発現解析と免疫染色(IHC)によるタンパク質発現の相関関係を計算、図式化することで間接的にITGAV、ITGB1の発現の予測を画像から試みた。
臓癌107例のIHCとCT画像を用いてRadiomics解析を用いてITGAV、ITGB1の発現の予測を行った。その結果としてITGB1、ITGAVの高発現群はともに予後、再発因子となった(ITGAV:P = 0.005,0.003, ITGB1: P = 0.035.0.028)。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。これらの発現を107例に対してRadiomisc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、Volume of interest (VOI) を構築し様々な画像的特徴量(IFs)の抽出、および機械学習を行い、最適な機械学習法の選択、パラメーター選択と特徴量選択の模索を行った。結果、ITGAVにおいてはXGBoostによる学習能が最適となり、3,748個の特徴量から機械学習を行い、腫瘍周囲4㎜まで含むVOI+4㎜を採用することで、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。ITGB1については予測モデルとして不十分なものとなりRNA-seqによる発現解析とIHCの相関関係につき言及、それぞれ論文化するに至り、その他因子につきサブ解析中である。
|
