| 研究課題/領域番号 |
21K12707
|
|---|
| 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90130:医用システム関連
|
|---|
| 研究機関 | 宮崎大学 (2022-2023)
熊本大学 (2021) |
|---|
研究代表者 |
内山 良一 宮崎大学, 工学部, 教授 (50325172)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | Radiomics / Radiogenomics / Radioproteomics / Medical AI / Radionics / Computer-aided diagnosis / 人工知能 |
|---|
| 研究開始時の研究の概要 |
画像所見がどのような病理・病態を反映しているのかの研究は進んでいるが，画像所見と分子・遺伝学的背景の理解は進んでいない．本研究では，遺伝子解析に基づく個別化医療の進展を念頭に，データ中心アプローチを用いて，がんの『遺伝型』と『表現型』の関係を分析する手法を構築する．また，それらの関係を人工知能（AI）で学習することによって，患者群の層別化を行い，アウトカムが最大となる診断・治療の一体化を支援するAIシステムを構築する．
|
| 研究成果の概要 |
MR画像の脳腫瘍からRadiomics特徴量を計測し，それらを用いて1p19q共欠失を推定する手法を開発した．また，コンピュータの結果を医師が活用できるように，ユーザ主導型の意思決定支援ツールの開発を行った．肺がんに関しては，術前CT画像から得たRadiomics特徴量と生存時間分析を用いて再発を予測する手法を開発した．この際に，比例ハザード性を考慮した特徴量選択の手法も構築した．乳がんにも応用し，術前薬物療法によって病理学的完全奏効となる患者を予測する手法を開発した．また，乳房MR画像から免疫チェックポイント分子の活性を推定するRadioproteomicsと呼ぶ新しい研究の成果も得た．
|
| 研究成果の学術的意義や社会的意義 |
画像所見がどのような病理・病態を反映しているかの研究は行われてきたが，画像所見と分子・遺伝的背景の理解は進んでいない．本研究では，がんの「遺伝型」と「表現型」の関係を明らかにし，がんの表現型（画像所見）から，がんの遺伝型を推定する手法を構築した．画像検査によって，分子標的薬の効果が予測できること，再発の可能性を予測できること，免疫チェックポイント阻害剤の効果が予測できることなどの研究成果を得た．本研究によって，画像検査は病変検出や鑑別診断だけではなく，至適治療法の選択や予後予測などに応用できるという潜在的価値を明らかにした点で社会的な意義は大きい．
|
