2021 Fiscal Year Research-status Report
Prognostic prediction and heterogenetic visualization of pancreatic cancer by histologic and genomic analysis
| Project/Area Number |
21K15393
|
|---|
| Research Institution | Japanese Foundation for Cancer Research |
|---|
Principal Investigator |
高松 学 公益財団法人がん研究会, がん研究所 病理部, 研究員 (00750366)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 人工知能 / 膵癌 / 予後予測 |
|---|
| Outline of Annual Research Achievements |
この研究では、人工知能を活用した多数例の病理組織学的な形態解析を通じて、不均一な細胞集団である浸潤性膵管癌における新規形態学的分類法の構築と、それぞれの形態分類に対応する特異的な発現変化を示す遺伝子群を同定する。そして、推定される遺伝子変化を組織形態学へ効果的に翻訳し、腫瘍全体の不均一性の可視化を実現するとともに、予後や再発後の化学療法効果を予測するモデルを確立する。
令和3年度は浸潤性膵管癌674症例から5,280枚の組織標本をデジタル化し、事前に作製した癌画像の分類モデルにより4,362,186枚の癌画像を抽出した。このうち、癌の確率が90%以上の画像は1,081,981枚となった。癌以外の画像は1000万枚余りとなった。
腫瘍に含まれる各形態パターンから教師なし学習によりタイル画像のクラスタリングを行うにあたり、特徴量の抽出に使用するニューラルネットワークモデルの構築のため、先行研究での膵癌予後予測モデルと類似の予後予測精度が得られるか検証を行った。事前にデータをトレーニングデータと検証用データにランダム分割した。教師データとして、全生存、全再発、転移の有無を用い、様々な条件で最適な予後予測結果が得られるようにパラメータの調整を行った。その結果、再発有無を教師データとした場合の予後予測精度は、検証用データにおいてROC曲線下面積(AUC)で0.83程度と良好な結果が得られた。このモデルをベースとして、K-means法および新しいクラスタリング手法であるUMAP法を比較検討し形態パターンの分類法の確立を継続中である。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
研究計画立案時に比して、研究遂行に必要な試薬の価格が大幅に上昇しており、検討対象症例の減数や、それに伴うクラスタリング手法の最適化を追加で行う必要が生じている。
また、本研究の遂行に必要な組織形態クラスタリング手法について、複数の条件を検討するにあたり未だ最適な手法を確立できていない。現在、クラスタリングの条件検討中であり、確立次第、各パターンの腫瘍内の分布や頻度等を集計する予定である。
|
| Strategy for Future Research Activity |
令和4年度は、昨年度の残課題であるクラスタリング手法の確立と、各パターンの症例内分布を集計し、腫瘍内不均一性の低い腫瘍からマイクロダイセクションにより組織を回収しRNAの抽出を行う。当初の計画では組織パターン10×5症例ずつの計50症例を対象とする予定であったが、試薬価格の上昇に伴い、組織パターンをより代表的なものに絞り込み、パターン数を6へ、症例数を6へ、合計36症例を対象とする予定とする。また、nCounterを用いてmRNAの核酸デジタルカウントを行い、各パターン間で有意に発現上昇ないし低下している遺伝子を特定する。
令和5年度は、遺伝子発現パターンを基に腫瘍内不均一性を可視化する。症例をランダムにトレーニング症例とテスト症例に分割し、前者で各形態パターンで予後・再発後化学療法効果との関連性を調べ予測モデルを構築し、後者でその予測精度を検証する。
|
| Causes of Carryover |
本研究の要であるRNAデジタルカウント試薬(nCounter)の試薬価格の大幅な上昇により、症例数の見直しを行っている。症例数が確定次第試薬の購入を行う予定であるため、次年度使用額に計上した。
|
