機械学習を用いた強度変調放射線治療の故障モード自動判別システムの開発

• 研究課題/領域番号: 16K19226
• 研究種目: 若手研究(B)
• 配分区分: 基金
• 研究分野: 医学物理学・放射線技術学
• 研究機関: 新潟大学
• 研究代表者: 宇都宮 悟 新潟大学, 医歯学系, 助教 (50570868)
• 研究期間 (年度): 2016-04-01 – 2019-03-31
• 研究課題ステータス: 完了 (2018年度)
• 配分額: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円); 2018年度: 780千円 (直接経費: 600千円、間接経費: 180千円); 2017年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円); 2016年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
• キーワード: 強度変調放射線治療 / 機械学習 / ラジオミクス / IMRT / 放射線 / Ｘ線

研究成果の概要

強度変調放射線治療（IMRT）はその投与線量の不確かさが比較的大きい照射法である。照射精度を担保するために実施されるのがIMRT線量検証であるが、現在最も良く用いられている「ガンマ解析」の手法では、誤差の原因（故障モード）の特定が困難である。本研究では、医用画像の特徴量抽出において広く用いられるラジオミクスの手法を用いて、IMRT線量分布の特徴量を抽出しそれを学習データとする機械学習モデルを構築した。モデルは4種類のIMRT故障モードに対していずれも高い判別精度を示した。今後、実際の測定データを用いた場合でも高い判別能力を示すかどうかの検証が必要である。

研究成果の学術的意義や社会的意義

本研究は、CTやMRI等の医用画像の特徴量抽出に用いられる事の多かったラジオミクスの手法を、線量分布の特徴量抽出に適用することで有用な情報を引き出そうとする点で新規性が高い。また、本研究はIMRTの患者個別の線量検証における不具合を簡便に検出できるようになることを目指しているため、IMRTの実施に先立っての安全性の担保を以前より簡易的にかつ短時間で実施できるようになることが見込まれる。従って、IMRTの更なる普及や治療可能な患者数の飛躍的な増大につながることが期待される。

研究成果

• [雑誌論文] Respiratory gating and multifield technique radiotherapy for esophageal cancer (2017)
  • 著者名/発表者名: Ohta A, Kaidu M, Tanabe S, Utsunomiya S, Sasamoto R, Maruyama K, Tanaka K, Saito H, Nakano T, Shioi M, Takahashi H, Kushima N, Abe E, Aoyama H
  • 雑誌名: Jpn J Radiol 巻: 35 号: 3 ページ: 95-100
  • DOI: 10.1007/s11604-016-0606-7
  • NAID: 50012025036
  • 査読あり / オープンアクセス / 謝辞記載あり
• [雑誌論文] A study on a dental device for the prevention of mucosal dose enhancement caused by backscatter radiation from dental alloy during external beam radiotherap (2016)
  • 著者名/発表者名: Katsura K, Utsunomiya S, Abe E, Sakai H, Kushima N, Tanabe S, Yamada T, Hayakawa T, Yamanoi Y, Kimura S, Wada S, Aoyama H, Hayashi T
  • 雑誌名: J Radiat Res 巻: 57 号: 6 ページ: 709-713
  • DOI: 10.1093/jrr/rrw092
  • 査読あり / オープンアクセス / 国際共著 / 謝辞記載あり
• [学会発表] Feasibility of detecting the cause of errors in IMRT patient specific QA using radiomic features and machine learning (2019)
  • 著者名/発表者名: 坂井まどか、小荒井陽花、 笹本龍太、青山英史、宇都宮悟
  • 学会等名: 第117回日本医学物理学会学術大会 （横浜市）
• [学会発表] Machine learning with radiomic features to detect the types of errors in IMRT patient-specific QA (2019)
  • 著者名/発表者名: Madoka Sakai, Haruka Koarai, Masataka Ueda, Shogo Shigeta, Hisashi Nakano, Takeshi Takizawa, Satoshi Tanabe, Ryuta Sasamoto, Hidefumi Aoyama, Satoru Utsunomiya
  • 学会等名: 61th American Association of Physicists in Medicine (AAPM) Annual Meeting（米国・サンアントニオ）
  • 国際学会
• [学会発表] A Machine Learning-Based Approach to Specify the Cause of Error in IMRT Patient Specific QA (2018)
  • 著者名/発表者名: Utsunomiya S, Sakai M, Koarai H, Takizawa T, Kushima N, Tanabe S, Aoyama H
  • 学会等名: 60th American Association of Physicists in Medicine (AAPM) Annual Meeting（米国・ナッシュビル）
  • 国際学会
• [学会発表] A Machine Learning-Based Approach to Specify the Cause of Error in IMRT Patient Specific QA (2018)
  • 著者名/発表者名: S Utsunomiya, M Sakai, H Koarai, T Takizawa, N Kushima, S Tanabe, H Aoyama
  • 学会等名: 60th AAPM annual meeting
  • 国際学会