| 研究課題/領域番号 |
21K07657
|
|---|
| 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 | 近畿大学 |
|---|
研究代表者 |
山室 美佳 近畿大学, 大学病院, 技術職員 (90837866)
|
|---|
| 研究分担者 |
近藤 世範 新潟大学, 医歯学系, 教授 (10334658)
浅井 義行 近畿大学, 大学病院, 技術職員 (30639307)
石井 一成 近畿大学, 医学部, 教授 (50534103)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023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)
2023年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2022年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2021年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
|
|---|
| キーワード | マンモグラフィ / 乳腺密度 / 3次元乳腺密度計測 / 異時性両側乳癌 / 乳腺密度計測 / 非圧迫領域 / 乳腺密度推定 / 人工知能技術 / 対側乳癌 |
|---|
| 研究開始時の研究の概要 |
本研究は，医工応用分野の革新的研究手法を用い，乳腺密度やＸ線画像情報等を用いて術後の対側乳癌発症リスクを高精度に予測するシステムを開発する取り組みである．
そのためにディープラーニングを用いて以下の2項目を実現する．① 画像サーバーに保存された非線形画像処理後マンモグラムの乳腺密度を高精度に決定する手法の確立，② 一次発症以降における乳腺密度や乳腺分布等画像情報の時系列分析による対側乳癌発症リスク予測システムの確立．これらを実現することで，わが国での対側乳癌の早期発見・早期治療に役立てる．
|
| 研究実績の概要 |
乳癌の罹患や転移のリスクを評価する上で, マンモグラムを用いた 3次元乳腺密度（以下, 乳腺密度）の高精度な計測は重要である. 2022年度までの２年間において, 人工知能技術(ディープラーニング)を応用して乳腺密度を再現性良く高精度に計測するシステムを開発した. そしてこの計測結果を元に画像を用いない乳腺密度推定の検討を行なってきたが, 本年度はこの推定システムにディープラーニングを適用することで, これまでの推定率を上回る結果を出すことに成功した.
まず, ディープラーニングシステムの前段階として開発したマシンラーニングのXGBoost, Random Forestの両モデルでは, これまでの重回帰分析の推定率と同程度か，もしくはわずかに上回る程度の推定率であった. 一方，ディープラーニングモデルではResidual Network(ResNet)を用いて開発を行うことで同じ独立変数（年齢, 管電圧, mAs値, 乳房厚の4変数）を用いても, 重回帰分析やマシンラーニングよりも高い推定結果を出すことに成功した. この成果により，画像がなくてもマンモグラフィ検査の撮影履歴さえ残っていれば, 対側異時性乳癌発症予測の研究に必要な乳腺密度の経時変化を正確に捉えることができるようになった．次年度（最終年度）は今回開発したResNetモデルを用いて乳腺密度時系列分析を実施し，対側異時性乳癌発症予測システムの開発に取り組む予定である．
|
| 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
研究自体はおおむね順調に進展しているが, COVID-19感染拡大の影響が残っていること, またプログラミング専門業者と委託契約に時間を要したことで, 臨床データ収集や研究成果の発表が十分とは言えない.
|
| 今後の研究の推進方策 |
本研究の最終段階は, 収集した臨床データを元に異時性乳癌予測のディープラーニングモデルを構築し, 装置メー カーと協力しながら臨床用実機として活用することを目指す. モデルの構築はほぼ完成しており, 今年度は臨床データを用いて検証をおこう予定である.
|
