2021 Fiscal Year Annual Research Report
多数のコホートに適応可能な強い汎化性能を持ったRadiomics解析方法の開発
| Project/Area Number |
20K17982
|
|---|
| Research Institution | Institute of Physical and Chemical Research |
|---|
Principal Investigator |
高橋 慧 国立研究開発法人理化学研究所, 革新知能統合研究センター, 研究員 (00852120)
|
|---|
| Project Period (FY) |
2020-04-01 – 2022-03-31
|
| Keywords | Radiomics / Radiogenomics / MRI / Deep learning |
|---|
| Outline of Annual Research Achievements |
本研究の目的はデータの分布の違い(一般にdomain shiftと呼称される）に起因するような性能の低下を克服するRadiomics解析方法の開発を行うというものである。
本年度は研究実績として、1編の英語原著論文、2編の日本語論文を上梓した。また、国際学会2回、国内学会4回の発表を行った。うち、癌治療学会とメディカルAI学会にて優秀演題賞を受賞した。
令和3年度の研究の主たる目的は公開データセットを学習用のデータとして深層学習を用いて悪性度とIDH変異、TERT変異など予後に与える影響の大きい遺伝子変異の予測を行うRadiomics解析法（Radiogenomics解析法）を開発することであった。令和２年度までの研究でRadiogenomics解析法を行うにあたって必要な腫瘍の関心領域(Volume of interest VOI)を作成する機械学習装置を作成した。この知見を応用して令和３年度は研究開発を行なった。まずは、公開データセットとプライベートデータセットを用いてMRI画像からそもそもIDH変異やTERT変異が予測可能であるかを検証した。結果として、IDH変異は高い精度で予測可能である一方でTERT変異は予測が難しいことが判明した。しかし、公開データセットで80%と高い予測精度を示したIDH予測装置をプライベートデータセットに適用した場合67%程度の予測精度しか示さなかった。これは所謂Domain shift problemであると考えられた。今後はこの問題の解決に引き続き取り組んでいく。VOI作成装置の際に有効であったfine-tuningは有望な解決方法の一つではあるものの、より創造的な解決方法として深層生成モデルの応用を試みる予定である（課題番号: 22K16700 深層生成モデルを応用した強い汎化性能を持ったradiomics解析方法の開発）
|
| Remarks |
高橋 慧、高橋 雅道、浜本 隆二、機械学習を用いたがんのビッグデータ解析.Allos ergon（アロス エルゴン）Vol.1 No.3,ISBN 9784910396187
高橋 慧、高橋 雅道、浜本 隆二、Multi-omics analysis の有用性と脳腫瘍領域への応用.Allos ergon（アロス エルゴン）Vol.1 No.3,ISBN 9784910396187
|
