畳み込みニューラルネットワークを用いた重粒子線治療の適応判断システムの開発

• 研究課題/領域番号: 21K15777
• 研究種目: 若手研究
• 配分区分: 基金
• 審査区分: 小区分52040:放射線科学関連
• 研究機関: 山形大学
• 研究代表者: 萩原 靖倫 山形大学, 医学部, 助教 (60594306)
• 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: 4,030千円 (直接経費: 3,100千円、間接経費: 930千円); 2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円); 2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円); 2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
• キーワード: 重粒子線治療 / 適応判定 / 教師あり学習 / 適応判断 / 畳み込みニューラルネットワーク / 頭頸部腫瘍 / 膵臓腫瘍

研究開始時の研究の概要

重粒子線治療は、X線治療では治療困難な症例が治療可能となると期待されており、重粒子線治療が選択肢となる患者は、その適応の見込みを含む十分な説明を受けることが重要だが、たとえ放射線腫瘍医でも、実際に重粒子線治療を経験したことのない医師にとって、その適応判断は容易ではない。重粒子線治療に従事する医師でも、非専門領域では適応判断に迷うこともある。
本研究では、CT画像およびMRI画像から、重粒子線治療の適応判断を行うシステムの開発を目指す。重粒子線治療施設が近隣にない患者でも、適応の見込みを含む十分な情報を事前に受け取ることができるようになることが期待される。

研究実績の概要

2023年度には2022年度に引き続いて頭頸部腫瘍のうち上顎洞悪性腫瘍の画像を用いて、重粒子線治療の適応を判定するシステムの開発を進めた。CT画像、MRI画像（T1強調画像、T2強調画像、STIR画像、造影T1強調画像）を用いて検討を進めた結果、2次元の各画像スライス毎に評価して適応を判定するシステムについてはMRI画像だけでなく、CT画像についても一部の条件において前向きな結果が得られており、論文発表の準備を進めている。
医師間（評価者間）の適応判断のブレについては、やはりシステム上で吸収することは容易ではなかったが、画像には現れることがない患者背景が強く適応判断に影響していることを再確認することとなった。これについては、自然言語処理を用いることで、個人の判断のずれが極力小さくなることを目指せるのではないかと考えてシステム開発を進めている。
自然言語処理を用いた検討では、画像情報以上に患者の背景についての言語情報が適応判定の結果に影響を与えていることを強く感じており、この先の研究の進め方について、このまま画像を主な評価対象として適応判定させるのが妥当なのか、言語情報を主な評価対象として画像を付属の評価対象として適応判定させるのが妥当なのか、研究の進め方について岐路にあると考えている。
将来的には、診療情報提供書や画像診断レポートの言語処理を含むことでより精度の高い適応判断ができるようになることを目指している。

現在までの達成度 (区分)

3: やや遅れている

理由

当初は頭頸部腫瘍という大きなまとまりで重粒子線治療の適応判定が可能であると考えていた。しかし、原発部位ごとに重粒子線治療適応判定のポイント、傾向に大きな違いが内在していることから上顎洞からシステム構築を進めている。
対象部位を絞ったことから、やや遅れている、としている。

今後の研究の推進方策

まずは上顎洞を対象としたシステムを作成しており、一部の条件下ではよい結果が得られたことから、論文発表の準備を進めている。
3次元的な評価を追加するといった改良もあわせて進めているが、他の領域に対象を拡大することも進めていく予定である。