| 研究課題/領域番号 |
19K24042
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
0906:生体機能および感覚に関する外科学およびその関連分野
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
新谷 祐貴 東京大学, 医学部附属病院, 助教 (20844616)
|
|---|
| 研究期間 (年度) |
2019-08-30 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2019年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 脳腫瘍 / radiomics / 機械学習 / 定位放射線治療 / ガンマナイフ / シミュレーションモデル / simulation model |
|---|
| 研究開始時の研究の概要 |
radiomicsは比較的新しい研究手法であるが、ガンマナイフ治療の反応性予測に関するものは未だ無い。本研究が世界に先駆けた唯一のものである。本研究では医用画像の持つ高次元の定量的かつ膨大な特徴を機械学習の手法を用いて解析し脳腫瘍におけるガンマナイフ治療の反応性を予測するsimulation modelを確立する。アウトカム予測が可能となれば『大規模なデータに裏打ちされた客観的かつ頑健なdecision making』が行え、脳腫瘍医療におけるprecision medicine実現に向けた大きな一歩となる。
|
| 研究成果の概要 |
本研究ではradiomicsを用いて、定位放射線治療(ガンマナイフ)の治療反応性を予測するsimulation modelの開発を行った。研究代表者が所属する東京大学脳神経外科のガンマナイフ治療データ3800件の中から、転移性脳腫瘍1000例、 髄膜腫500例を抽出し、治療時画像データ、線量計画データ、治療前後の臨床データを解析した。これらのデータをインプットし治療反応性を制御/非制御の二値変数としてアウトプットした。計695因子の画像特徴量を同定し、これらの画像特徴量および臨床情報を集積したデータベースを作成した。これらのデータベースを用いて、ガンマナイフ治療反応予測モデルを開発した。
|
| 研究成果の学術的意義や社会的意義 |
定位放射線治療は低侵襲的かつ汎用性の高い脳腫瘍治療である。一方、治療効果を予測する高精度modelは確立していない。治療奏効率は概して70-90%と高いが、同一組織型腫瘍であっても治療反応性は異なり得る。ガンマナイフ後の再発例には手術が選択されるが放射線性変化として腫瘍硬化や癒着など手術成績悪化に繋がる変化が起きる。治療前にガンマナイフへの反応性を予測することが出来れば回避可能な未来である。治療反応性予測モデルの構築は『大規模データに裏打ちされた客観的かつ頑健なdecision making』を可能にし、脳腫瘍医療におけるprecision medicine実現に向けた大きな一歩となる。
|
