| 研究課題/領域番号 |
21K08905
|
|---|
| 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55040:呼吸器外科学関連
|
|---|
| 研究機関 | 徳島大学 |
|---|
研究代表者 |
滝沢 宏光 徳島大学, 大学院医歯薬学研究部(医学域), 教授 (90332816)
|
|---|
| 研究分担者 |
近藤 和也 徳島大学, 大学院医歯薬学研究部(医学域), 教授 (10263815)
宮本 直輝 徳島大学, 病院, 助教 (00865305)
|
|---|
| 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 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2023年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2021年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | 肺腺癌 / 浸潤診断 / 縮小手術 / 自家蛍光 / 人工知能 |
|---|
| 研究開始時の研究の概要 |
自家蛍光顕微鏡で未染の肺組織を観察すると，肺胞の骨格構造を成す肺胞弾性線維網に一致した強い自家蛍光が観察される．そして肺腺癌の浸潤部位においては，この自家蛍光を発する肺胞弾性線維網に肥厚や断裂などの構造変化が確認される．本研究では，肺腺癌の自家蛍光顕微鏡画像を機械学習アルゴリズムに学習データとしてインプットし，浸潤予測モデルを構築することを目的とする．小型肺腺癌の術中診断にこのモデルを用いることができれば，再発リスクの低い症例を適格に選別し肺機能を温存する術式を適応できるようになる．
|
| 研究実績の概要 |
本研究の目的は、肺腺癌手術検体から新鮮凍結切片を作成し、自家蛍光顕微鏡を搭載したデジタルスライドスキャナーにより取得された画像情報からAIによる解析にて肺腺癌の浸潤範囲を術中診断するシステムを構築することである。自家蛍光顕微鏡を用いると、通常の術中病理診断のように染色の必要がなく、極短時間で肺胞の骨格構造を成す肺胞弾性線維網の高精細な画像取得が可能である。その肺胞弾性線維網は、肺腺癌の非浸潤部位においては規則的な網目状のパターンを呈するのに対し、浸潤部位においては断裂や不規則な肥厚などのパターンを示すことがわかっている。CT画像ですりガラス陰影を伴う肺腺癌症例の切除標本40例分（病理学的に浸潤癌を含む20例と、非浸潤癌20例）を選定し、ホルマリン固定パラフィン包埋標本から切片を作成した。デジタルスライドスキャナー（BZ-X800）を用い、未染色のスライド全体の自家蛍光顕微鏡画像（100倍）を取得した後に、同一スライドに対してEVG染色を行った上で標本全体の画像（100倍）を取得した。病理医に指導を受けた外科医2名がディスカッションを行いながらEVG染色標本をもとに腺癌の浸潤範囲に着目し、①明らかな浸潤部位、②明らかな非浸潤部位、③浸潤・非浸潤同定困難部位、④血管、気管支を含む正常構造部位に分類し、①、②および③の部分に対応した未染色のスライドの自家蛍光顕微鏡画像を機械学習アルゴリズムに学習データとしてインプットし、浸潤の予測精度を向上させるプロセスを行っている。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
4: 遅れている
理由
本研究においては機械学習アルゴリズムに学習データとしてインプットするデータの精度が、研究成果を左右すると予想される。肺腺癌の浸潤範囲を再現性をもって特定することは病理医でも難しい作業であるため、浸潤および非浸潤が明らかな部位のみをデータとして抽出することとし、病理医の指導を受けた研究分担者がEVG染色顕微鏡画像データに対して「浸潤部位」「非浸潤部位」のマッピングを行っている。また、自家蛍光顕微鏡画像の画質調整や、EVG染色顕微鏡画像と重ね合わせた上でそれぞれの画像を分割する作業の定型化を図っている。R5年度は当該研究分担者の健康上の理由から研究を進めることが困難となり、半年以上研究全体が止まった形となった。その結果データ解析に進むことができず、研究の進行が遅れている。
|
| 今後の研究の推進方策 |
研究分担者の健康の回復に伴い研究を再開できる見込みである。研究遂行が難しい場合は新たに研究分担者を追加して実験を進める。具体的には、EVG染色顕微鏡画像におけるマッピングの情報に基づいて、自家蛍光顕微鏡画像を小分割して①明らかな浸潤部位、②明らかな非浸潤部位、③浸潤・非浸潤同定困難部位、④血管、気管支を含む正常構造部位に分類し機械学習アルゴリズムに学習データとしてインプットし、それらを識別できるAIによる診断システムを構築していく。
|
