| 研究課題/領域番号 |
20K08037
|
|---|
| 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 | 藤田医科大学 |
|---|
研究代表者 |
大野 良治 藤田医科大学, 医学部, 教授 (30324924)
|
|---|
| 研究分担者 |
近藤 征史 藤田医科大学, 医学部, 教授 (00378077)
村山 和宏 藤田医科大学, 医学部, 准教授 (40622931)
今泉 和良 藤田医科大学, 医学部, 教授 (50362257)
林 真也 藤田医科大学, 医学部, 教授 (60313904)
服部 秀計 藤田医科大学, 医学部, 講師 (70351046)
外山 宏 藤田医科大学, 医学部, 教授 (90247643)
星川 康 藤田医科大学, 医学部, 教授 (90333814)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (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)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2020年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
|
|---|
| キーワード | 放射線医学 / CT / 人工知能 / 被曝線量低減 |
|---|
| 研究開始時の研究の概要 |
肺癌患者における肺疾患の定量的重症度評価を目的とした人工知能（Artificial Intelligence: 以下AI）の開発は急務であるとともに，放射線画像の持つ多系統の情報をデータとして統合的に解析し，より医用画像診断の効率と精度を高めることが求められている。。そして，2017年以降臨床応用が進められている超高精細CTは従来のCTよりも高精細な画像を臨床現場に提供するものの，その臨床的有用性は確立していない。このような背景より、本研究においてはMachine Learningを用いた「超高精細CTのRadiomics解析による非小細胞肺癌治療合併症予測法の開発」を目的とする。
|
| 研究成果の概要 |
近年，臨床応用された超高精細CT（Ultra-High-Resolution CT: 以下UHR-CT）にてThe Phantom Laboratory社製COPDGene IIファントムにてUHR-CT dataを取得し、各種再構成法におけるCT値測定やSNRおよびCNR測定を行い、至適再構成法を決定する。また、新たなAIによる肺疾患定量評価法と原発巣のRadiomics解析による非小細胞肺癌治療に伴う合併症予測を目的とした診断アルゴリズムを開発を行い、各種肺病変の評価能を評価した。開発したソフトの低線量CTなどでの評価能や臨床データにおける評価能を評価している。
|
| 研究成果の学術的意義や社会的意義 |
近年，臨床応用された超高精細CT（Ultra-High-Resolution CT: 以下UHR-CT）は慢性閉塞性肺疾患や間質性肺炎の定量評価においては再構成法や撮像法などに関して様々な影響を受けるとともに、人工知能を用いた定量的評価法やRadiomics解析法の確立が求められている。本研究では世界に先駆けてMachine learningの手法を用いた人工知能を開発し、非小細胞肺癌の保存的治療の予後改善を目的とするため、学問的および社会的意義が高いと考えられる。
|
