| 研究課題/領域番号 |
18K07027
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分49020:人体病理学関連
|
|---|
| 研究機関 | 東京医科大学 |
|---|
研究代表者 |
齋藤 彰 東京医科大学, 医学部, 教授 (10504615)
|
|---|
| 研究分担者 |
黒田 雅彦 東京医科大学, 医学部, 主任教授 (80251304)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
2020年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2019年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2018年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 人工知能 / デジタル病理 / 乳癌 / 術前化学療法 / 予後 効果予測 / 人工知能解析 / 術前化学療法効果 / 予後治療効果推測 / 画像解析 / 病理画像 |
|---|
| 研究成果の概要 |
乳癌では術前化学療法を施行することが多くなってきている。治療開始前の針生検病理標本を使用し、人工知能技術を使用し、その治療効果予測を行うシステムを開発した。人工知能としてはディープラーニング ResNext, 機械学習(SVM Random Forest)を使用した。310症例で207症例をトレーニング症例とし、103症例をテスト症例とした。
現時点ではSVMでは症例単位での尤度による判定で、85%の精度で予測できた。Deep learning Random Forestにおける結果分析を実施しているが、ほぼ同等の結果であると考えられ、総合的に95%程度の予測が可能になると思われる。
|
| 研究成果の学術的意義や社会的意義 |
近年術前化学量療法を施行することで、その後の手術切除範囲を縮小し温存できることと、再発時には化学療法の効果を把握することが可能となる。治療開始前の針生検病理標本から癌の細胞核の形態学的特徴量を抽出することで、その効果を予測することが可能となった。また乳癌のサブタイプ別の特徴などを抽出することができた。これらにより患者に追加の負担を掛けることなく、患者が受ける治療の効果の予測が可能となる。また乳癌サブタイプは各種の遺伝子の変異をともなうことで生じており、こららの変異と細胞形態学的関係、化学療法に反応する癌細胞の特徴的形態を示すことが可能となる。
|
