| 研究課題/領域番号 |
21K07604
|
|---|
| 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 | 埼玉医科大学 |
|---|
研究代表者 |
小澤 栄人 埼玉医科大学, 医学部, 教授 (90255109)
|
|---|
| 研究分担者 |
長谷川 幸清 埼玉医科大学, 医学部, 教授 (30534193)
安田 政実 埼玉医科大学, 医学部, 教授 (50242508)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2024年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2023年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2022年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2021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 | 子宮体癌 / 組織学 / テクスチャ解析 / 機械学習 / 子宮内膜癌 / MRI / 組織型 |
|---|
| 研究開始時の研究の概要 |
本研究では3テスラMR装置でT1強調像、T2強調像、拡散強調像を撮像しそのADC mapの画像、造影Dynamic画像に対してMRIテクスチャ 解析を行い、そこから求められる特徴量についてどの特徴量が子宮内膜癌の鑑別に最も鋭敏 な特徴量かを求めていく。MRIテクスチャ解析は、画像の質感を測定し,その測定値から画 像の分類をする手法であるが、代表的な特徴量と して、”entropy" "uniformity""contrast"homogenity"などがあるが、これらの特徴量について組織学的および免疫組織 学的サブタイプについての特徴の有無を評価する。
|
| 研究実績の概要 |
本年は４年間の計画の２年目であり、解析データの収集の報告を日本磁気共鳴学会で行う予定であったが、まだコロナ禍の状況で不確実であったために実際に発表を行うことが次年度に持ち越しとなった。しかし、MRIだけでの免疫染色が必要にならない、Hematoxilin-eosin染色を利用した分類のデータ解析および評価法はすでに定めており、全予定症例数の約半数である、70症例について評価した。2023年度は、第51回日本磁気共鳴学会（軽井沢）あるいは International Gynecologic Cancer Society 2023でこの結果を発表する予定である。今回の発表は、テクスチャ解析のための領域を抽出するためにpythonのITK snapを利用するが、2D法および3D法があるが、その簡便性から臨床的応用価値の高さから2D法を利用することを決めた。また、機械学習については、least absolute shrinkage and selection operator法を用いて得られたテクスチャ特徴量の変数選択を行い、MRIの各画像および複合モデルでの検討を行っていく予定である。また、モデル選択には、サポートベクターマシン、ランダムフォレスト、正則化ロジスティック回帰などの中からより良いものを選択していく。
毎週月曜日17時から、埼玉医科大学国際医療センターにおいて、放射線科、婦人科腫瘍科、病理診断科でカンファレンスが行われており、研究の進め具合については頻繁に研究責任者及び分担者で会議を行なっている。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
本年は、研究２年目であり、研究の全体的な解析方法について時間を費やした。また、組織学的な評価の免疫染色の分類を行う上では、３段階のgrade 分類を行う予定であり、ある程度短期間に同一人物での病理の評価が必要であり、今年度行うのではなく３年目に４週間のまとまった期間に行うことを予定した。さらに、当初の予定では症例数は十分確保されていると思われていたが、量的評価を行う上ではあまり小さな腫瘍まで対象に入れてしまうと部分容積効果が大きくなってしまうこと、および化学療法の既往やartifactの存在、ブスコパンを使用していないなどの理由で削除する必要がある症例が存在することから、必要症例数の確保の上でもあえて次年度に免疫染色の評価を行うことにした。
|
| 今後の研究の推進方策 |
etrospectiveな研究であり、昨年度、今年度共に研究分担者および研究協力者とは研究データに解析方法十分な検討を重ね、研究のスケジュールについても再確認を行っており、次年度および翌年度で順調な軌道で研究を進めることができると考えている。今回の研究データに使用予定であり機械学習法を用いた論文発表も2022年度にThe utility of texture analysis of kidney MRI for evaluating renal dysfunction with multiclass classification model. Hara Y, Kozawa E.et al Sci Rep. 2022 Aug 30;12(1):14776.として、論文で発表しており今回の研究の解析方法に生かしていけると考えている。
|
