研究課題/領域番号 |
20K17570
|
研究種目 |
若手研究
|
配分区分 | 基金 |
審査区分 |
小区分55010:外科学一般および小児外科学関連
|
研究機関 | 千葉県がんセンター(研究所) |
研究代表者 |
岩立 陽祐 千葉県がんセンター(研究所), 肝胆膵外科, 医長 (10815731)
|
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: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2020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 | 膵臓癌 / 膵管腺癌 / Radiogenomics / ITGAV / ITGB1 / pancreatic cancer / artificial intelligence / Genomics / Radiomics |
研究開始時の研究の概要 |
膵癌においては発癌・進展・薬剤効果などに関連する遺伝子異常についても未解決な領域が多い。今回、我々は難治性の膵癌を対象に、組織検体を用いた網羅的なゲノム変異・RNA発現解析(Genomics解析)を行い、臨床転帰に関連する遺伝子情報を同定する。同時に治療前のCT・MRIから数学的に多数の画像的特徴量(統計量)を抽出するRadiomics解析を行う。深層学習を含めた機械学習を用いた人工知能(AI)技術を応用することにより、抽出された画像的特徴量(Radiomics)から、同定した遺伝学的情報(Genomics)および臨床転帰を予測するRadiogenomicsシステムを構築すること目的とする。
|
研究成果の概要 |
Radiogenomics解析として、臨床病理学に有用な遺伝子の網羅的検索、12例の膵癌組織でRNA-seqの実行、および107例の免疫染色(IHC)とCT画像を用いた機械学習による遺伝子の発現予測モデルを構築した。ITGB1、ITGAVが同定され、IHCとの間にも有意な相関を認め(r=0.552 P=0.118、r=0.625 P=0.039)、IHC高発現群では予後が悪化し、(P=0.035, 0.009)。 再発も同様(P=0.028、0.003)であった。ITGAVの予測モデルは一定の検出能を認め(AUC=0.697)、高発現と予測された群も予後不良であった (P=0.048)。
|
研究成果の学術的意義や社会的意義 |
診断時に進行していることが多く、5年生存率が10%程度と予後不良な膵臓癌において、診断のための侵襲的な生検等の検査や外科治療は専門施設やハイボリュームセンターでないと施行できない場合が多い。今回CTによる予後予測や今後治療の一助のなりうる可能性がある遺伝子マーカーの同定およびその発現予測が可能であった。今後症例を重ねることでCT画像等の臨床画像から非侵襲的に予後や治療マーカーの同定が行うことができれば、高額で時間がかかる遺伝子検査でなく簡易で費用対効果が高く、専門機関でなくても比較的短期間で結果が得られる検査となることも考えられる。
|