Innovative Feature Selection Using Deep Learning for Cancer Radiogenomics Data

2023 Fiscal Year Final Research Report

• Project/Area Number: 21K07590
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 52040:Radiological sciences-related
• Research Institution: Chiba University
• Principal Investigator: Mori Yasukuni 千葉大学, 大学院情報学研究院, 助教 (40361414)
• Co-Investigator(Kenkyū-buntansha): 星野 敢 千葉県がんセンター(研究所), 消化器外科, 主任医長 (10400904) ; 横田 元 千葉大学, 大学院医学研究院, 講師 (20649280)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: 特徴選択 / 深層学習 / 遺伝子選択 / 医用画像処理

Outline of Final Research Achievements

This study aims to establish a unified methodology that leverages the superior feature extraction capabilities of deep learning to apply various types of medical data, such as medical imaging data, gene expression data, and biochemical data, in a multimodal manner to identify and select clinical factors involved in the stratification of cancer. Specifically, we focused on methodologies for feature extraction from various data modalities. Among these, we proposed a feature selection layer within deep learning models that estimates feature importance through learning and applied it to gene expression data of pancreatic cancer patients, which is one of the most malignant tumors with poor prognosis among gastrointestinal cancers. As a result, the method proposed in this study was confirmed to be effective with a certain degree of confidence.

Free Research Field

機械学習

Academic Significance and Societal Importance of the Research Achievements

本研究は，深層学習を用いたマルチモーダルデータの統一的解析方法論を確立することにより，癌の層別化に関わる重要な臨床的要因を効果的に特定・選択する新しいアプローチの提案を目的とするものである．特に，深層学習モデルにおける特徴選択層の提案は，従来の手法では難しかったデータ間の複雑な相互作用を捉えることを可能にし，癌研究や他の医療分野におけるデータ解析の精度向上に寄与すると考えられる．さらに，患者ごとの最適な治療法を見つけるための新たな手段を提供し，治療効果の向上と副作用の軽減に寄与することが期待され，医療コストの削減や早期診断の精度向上にも貢献し，社会全体の医療品質の向上に繋がると考えられる．