研究課題/領域番号 |
19K08109
|
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52040:放射線科学関連
|
研究機関 | 川崎医科大学 |
研究代表者 |
玉田 勉 川崎医科大学, 医学部, 教授 (40278932)
|
研究分担者 |
宮地 禎幸 川崎医科大学, 医学部, 教授 (00294463)
山本 亮 川崎医科大学, 医学部, 准教授 (30319959)
鹿股 直樹 聖路加国際大学, 聖路加国際病院, 部長 (60263373)
曽根 照喜 川崎医科大学, 医学部, 教授 (90179383)
|
研究期間 (年度) |
2019-04-01 – 2024-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2020年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2019年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
キーワード | 前立腺癌 / 前立腺マルチパラメトリックMRI / 前立腺生検 / MRIガイド下生検 / 機械学習 / 拡散強調像 / PI-RADS / 悪性度 / MRI |
研究開始時の研究の概要 |
前立腺癌の腫瘍悪性度は、治療法の選択や予後に影響する。しかしながら、従来の経直腸超音波を用いた系統的前立腺生検による腫瘍悪性度の評価は、前立腺全摘術後の最終結果と比べて過小評価される傾向がある。 一方、前立腺癌の画像診断は、近年MRIの活用が飛躍的に進み、現在では悪性度の高い病変部位をMRIで推定することが可能となってきている。 そのような中で近年、MRIと経直腸超音波の融合画像をガイドにした前立腺標的生検法が開発された。そこで本研究では、我々の持つ前立腺MRIのノウハウとMRI‐経直腸超音波画像ガイド下前立腺標的生検を組み合わせ、治療前の前立腺癌の悪性度に対する高精度な評価法の確立を目指す。
|
研究実績の概要 |
MRI‐US融合画像ガイド下前立腺標的生検後に前立腺全摘術が施行された110症例を対象に解析した。生検における指標(標的生検のグリーソンスコア(GS)、系統的生検のGS)、臨床的な指標(年齢、PSA、PSA densityなど)およびマルチパラメトリックMRIから得られる指標(被膜外浸潤の有無、PI-RADSのT2強調像スコア、拡散強調像スコア、造影効果やみかけの拡散係数(ADC)など)を各症例から集めた。そして悪性度の識別、すなわちGS≦3+4とGS≧4+3の識別能を単変量解析で評価した。その結果、標的生検のGSが最も識別能が高かった(AUC=0.85)。単変量解析において識別能が高かった5つの指標(標的生検のGS、系統的生検のGS、PI-RADSのT2強調像スコア、臨床T staging、被膜外浸潤の有無)を用いて機械学習(Python with Orange)を行った。その結果、機械学習の解析に用いた5つのモデルの中のNeural Networkにおいて最も高い識別能を示し、AUCは0.99まで増加した。 今年度の解析において治療前の前立腺癌の悪性度の予測においては、MRI‐US融合画像ガイド下前立腺標的生検におけるGSにMRIから得られる複数の指標を機械学習(AI(人工知能))を用いて組み合わせることによって高い識別能を取得することができることが示唆された。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
2022年度の研究成果は極めて興味深かったが、機械学習を用いた解析においては、その精度を検証するためにtest解析とvalidation解析が必要でありさらなる症例数の追加が必要と考えている。
|
今後の研究の推進方策 |
現在、MRI‐US融合画像ガイド下前立腺標的生検は年間約200症例のペースで行われ、その中でこの一年間において前立腺全摘除術が施行された症例は約40症例である。したがって2023年度中には今回の研究課題における解析に十分な症例数が確保されると予想され、2022年度に行った機械学習をtest解析とvalidation解析の両者で検証し、MRI‐US融合ガイド下前立腺標的生検を用いた前立腺癌の治療前悪性度評価法の確立にむけて研究成果を出す予定である。
|