2024 Fiscal Year Research-status Report
Decision-making support system for patient-specific treatment strategies using tumor stiffness imaging during head and neck radiotherapy
| Project/Area Number |
23K14870
|
|---|
| Research Institution | Yamaguchi University |
|---|
Principal Investigator |
藤本 昂也 山口大学, 医学部附属病院, 助教 (20867816)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Keywords | 頭頚部放射線治療 / 機能情報 / 予後予測 / 有限要素法 / 機械学習 |
|---|
| Outline of Annual Research Achievements |
本研究では、頭頚部放射線治療で日々撮影される画像情報のみを用い，生体力学により治療期間中の腫瘍の硬度変化を捉える新しい機能イメージング手法を構築する。さらに治療開始後早期の腫瘍硬度の時系列変化を捉え，早期かつ高精度に治療効果を予測するモデルを構築し，予測結果に応じて最適な治療法を選択する頭頚部放射線治療の患者個別化を支援するシステムを開発する。
これまでの研究において、治療前，治療中のCTと治療前のPET画像から得られる代謝情報を用いて治療期間中の腫瘍硬度の変化をマッピングする生体力学モデルを構築し，腫瘍の制御率を予測するための有力な予後予測指標であることを明らかにした。
また正常組織の有害事象の予測にもこの技術を応用し、頭頚部放射線治療後の口腔乾燥の有害事象を予測する指標としての有用性を評価した。この研究により、構築した生体力学モデルで算出した耳下腺の硬度変化と治療後に発生した口腔乾燥のグレードとの間に良好な相関を確認することができた。
さらに治療開始前のCTとPETの情報を用いて機械学習によって治療終了後の口腔乾燥症のグレードを予測するモデルを構築した。CT画像、PET画像、放射線線量分布の情報を入力データとして解析を行ったところ、特に線量分布情報およびPET画像における耳下腺内の画像特徴量が口腔乾燥症の予測に有用であることを明らかにした。
今後は構築した生体力学モデルから得られた情報を基に、機械学習による放射線治療後の予後および有害事象の予測モデルの構築に取り組んでいく予定である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
方法の構築および手法の有効性の検証は完了し論文、学会報告を行ったため。
|
| Strategy for Future Research Activity |
今後は構築した生体力学モデルから得られた情報を基に、機械学習による放射線治療後の予後および有害事象の予測モデルの構築に取り組んでいく予定である。
|
| Causes of Carryover |
予定していた解析用のPCの購入、論文投稿および英文校正費用が次年度に回ったことが要因
|
