| 研究課題/領域番号 |
22K07676
|
|---|
| 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 | 順天堂大学 |
|---|
研究代表者 |
井上 達也 順天堂大学, 医学部, 助教 (00733362)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2024年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2023年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2022年度: 2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
|
|---|
| キーワード | 深層学習 / 敵対的生成ネットワーク / 放射線治療 / 治療効果予測 / 生成CT画像 / 線量分布 / 因果推論 / 因果探索 / 予後予測 |
|---|
| 研究開始時の研究の概要 |
放射線治療の効果は、例え同じ処方でも個人が持つ背景に影響を受けるため個人ごとで効果は様々である。個人の治療効果を治療前に高い精度で推定することが患者に合わせた最適な治療を行う個別化医療において必要不可欠である。
本研究は深層学習技術と因果推論技術を応用することで、放射線治療の有無、両方における患者個人の治療効果を推定する人工知能モデルを開発する。さらに患者の画像データから治療効果に影響を及ぼす重要な領域を特定するモデルを開発することで、放射線と腫瘍が織りなす因果関係を解明し、個別化医療の発展に寄与することを目的とする。
|
| 研究実績の概要 |
現在の癌治療の効果は集団レベルの平均的な確率から予測される。しかし治療の効果は、例え同じ処方でも個人が持つ背景に影響を受けるため個人ごとで効果は様々である。個人の治療効果を治療前に高い精度で推定することが患者に合わせた最適な治療を行う個別化医療においては必要不可欠である。本研究の目的は放射線治療を実施した患者データを用い、高い精度で治療効果の予測を可能とする人工知能モデルを開発することである。
本年度は放射線治療前の治療計画の段階で治療後の予後予測を行うことを目的として、非小細胞肺癌に対して放射線治療を実施した患者の治療計画用CT画像および放射線治療計画で作成した線量分布のデータから治療後の生存確率を算出する深層学習モデルの開発に着手した。この実験では治療後の患者の生存確率を経時的に予測できる生成モデルを深層学習技術の一つである敵対的生成ネットワークによる作成を試みた。
生存確率の予測値を算出するモデルの作成は人工知能開発プラットフォーム（Matlab）上で開発できたが、モデルにより算出した確率と正解となる実際の患者の生存確率を比較評価したところ、その精度は不十分であった。患者のCT画像と治療前に作成する線量分布のデータのみでは敵対的生成ネットワークモデルの学習に十分ではない点を考慮し、治療中のCT画像データと線量分布データを使用したモデルへの改良を試みている。また、1時点での生存確率だけでなく、複数時点での確率を予測可能な多出力モデルへの改良を試みている。
|
| 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
当初、ある1時点の生存確率を算出する予測モデルを開発していたが、その場合、任意の時点の確率を算出するために複数のモデルを構築する必要があったため、モデルが複数の値を出力できる多入力多出力モデルへの変更を行った。また、モデルの作成に使用できるデータ数が少ないため期待する性能とはならず、追加データを使用するモデルへの改良を行っているため、進捗に遅れが出ている状況である。
|
| 今後の研究の推進方策 |
癌に対する放射線治療の効果を明らかにするため、今後は線量分布の変化に応じて予後を予測できる生成モデルの開発を行っていく。
また現在は外部放射線治療に対する人工知能モデルの開発が主であるが、小線源治療への応用を目指していく。
|
