研究課題/領域番号 |
21K15799
|
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 | 東京大学 |
研究代表者 |
菅原 暖斗 東京大学, 医科学研究所, 特任助教 (60883527)
|
研究期間 (年度) |
2021-04-01 – 2023-03-31
|
研究課題ステータス |
完了 (2022年度)
|
配分額 *注記 |
3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2024年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
|
キーワード | 肺癌 / T因子 / 肺腺癌 / 肺扁平上皮癌 / CT / 画像診断 / 腺癌 / 扁平上皮癌 / 病期分類 / 病期診断 / 人工知能 / Deep Learning |
研究開始時の研究の概要 |
肺癌診療において腫瘍の病期診断は、手術や放射線化学療法など治療方針の決定に極めて重要となる。病期診断は主にCT画像を元に行われ、腫瘍のサイズと浸潤範囲(T因子)、リンパ節転移(N因子)・遠隔転移(M因子)の有無から決定される。 近年、人工知能の一つの形である深層学習モデルが画像認識において高いパフォーマンスを示すことが明らかとなり、医療用画像への応用が報告され始めている。そこで本研究では、深層画像モデルを応用することにより、これまで肺癌の術前画像による病期診断で問題となりやすかった点を克服し、より高精度に病期診断が可能なモデルの開発を試みる。
|
研究実績の概要 |
本研究の目的は深層画像モデルを応用することにより、これまで肺癌の術前画像による病期診断で問題となりやすかった点を克服し、より高精度に病期診断が可能なモデルの開発を試みることである。 本研究では、初年度にトレーニングデータと教師データを収集し、Neural networkの作成に取り掛かる予定であった。しかし、当初予定していた肺癌のT因子の予測や、胸膜浸潤の有無を診断する予測は比較的高精度の先行研究が発表されたため、その結果を踏まえさらに発展的な肺癌の病期診断を可能とするモデルの作成を検討することにした。 既存のモデルよりもより高い精度でT因子を予測する際に、腫瘍そのものだけではなく背景肺の状態が交絡因子になると予測されたため、まずは喫煙歴の有無によって初期の腺癌の画像所見がどのように変化するかを調査した。喫煙者に発生した初期の肺腺癌は、非喫煙者に発生する初期の肺癌よりも内部のCT値が低い傾向があり、病理学的な浸潤径とCT上の浸潤径の相関が悪いことが判明した。 また、これまでのDeep learningモデルによる肺癌診断は、主に腺癌を対象とした論文が多く、扁平上皮癌を対象としたものは少なかった。そのため、扁平上皮癌を対象とし、CT上でどのような画像所見がみられるかを検討した。扁平上皮癌は肺腺癌と違い、その成長過程でCT上の画像所見が大きくことなり、特に初期の扁平上皮癌はより多彩な画像所見を示すことが判明した。 これらの検討により、特に喫煙者で気腫肺が強い際に発生する肺癌は、放射線科医による病期診断や予後予測が現状では困難であることがわかった。このため、これらの病変を現状よりも高い精度でT因子や予後予測が可能となるモデルの作成を試みているが、研究者の海外異動により研究継続が困難となったため、本研究を中断することとなった。
|