| Project/Area Number |
18K15625
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Hokkaido University (2020-2021)
The University of Tokyo (2018-2019) |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Project Status |
Completed (Fiscal Year 2021)
|
| Budget Amount *help |
¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
Fiscal Year 2020: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2019: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2018: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | Radiomics / 予後予測 / 放射線治療 / 患者変動 / 医学物理学 / 食道扁平上皮がん / CBCT画像 / コックス回帰 / リスクスコア / ログランク検定 / DIR / 神経膠腫 / 肺がん転移性脳腫瘍 / 機械学習 / 予後因子予測 |
|---|
| Outline of Final Research Achievements |
The purpose of the study was to develop a system for predicting radiation therapy prognosis based on a radiomics with patient’s variability in the treatment. Radiomic features with patient’s variability were extracted from multi-modal medical images acquired in and before the radiation therapy. We developed system for predicting radiation therapy prognosis and factors related to the prognosis using the radiomic features with patient’s variability. We have been suggested that the radiomics-based system with the patient’s variability would be feasible for predicting the radiation therapy prognosis.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究において治療時の患者変動を含んだRadiomics特徴量と放射線治療予後との関係を学習させてモデリングすることにより治療時患者変動を考慮した上で予後が予測できる可能性を示した．また，本研究で開発したシステムを用いて予測した予後の結果を治療計画時や治療中にフィードバックすることで患者個々の変動や特徴に最適化されたオーダーメイド放射線治療の実現が期待できる．必要なデータは放射線治療を行なう上で取得される医用画像と予後情報のみであるため，提案したシステムで構築したモデルを用いれば他施設でも簡便に予後を予測することが可能で臨床的な意義が高い．
|
