| 研究課題/領域番号 |
17K16460
|
|---|
| 研究機関 | 熊本大学 |
|---|
研究代表者 |
猪山 裕治 熊本大学, 医学部附属病院, 非常勤診療医師 (70794428)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2019-03-31
|
| キーワード | エックス線・ＣＴ |
|---|
| 研究実績の概要 |
多層検出器 CT が臨床導入され、今回の研究の目的であるリンパ節転移を伴い手術された症例のデータを集めている段階である。現段階での症例ではリンパ節転移症例では腫瘍血管増生に伴い当初推定された通り、転移リンパ節は増強効果が高い傾向にある。しかし、現時点では症例数は十分な数はなく、引き続き、症例数を集める必要がある。
現時点では肺癌と診断され、リンパ節郭清まで行われた症例数は20例程度である。今後、症例数は増えていき、統計学的に妥当な結果が得られると考える。症例の検討方法は対象の診療録より郭清されたリンパ節の転移の有無を評価し、その病理結果を参照し、術前に施行した多層検出器CTのデータをもとに転移リンパ節と正常リンパ節の増強効果、ヨード量、実行原子番号、単純CTのCT値に差があるかどうかを検討し、機械学習を用い、そのリンパ節が転移かどうかの可能性を推定することにある。
機械学習の入力データとして多層検出器 CT の実行原子番号画像、ヨード密度画像、 仮想単純画像などを組み合わせれば、MRI と同様に multi-parametric な解析を行う事が可能であ り、multi-parametric CT と呼べるような手法が可能であると考える。また、機械学習は random forest や support vector machine やクラスタリング等様々な手法があり、手法の選択性の幅が広 い。そのため、有用な parameter に加え、最適な手法の検討を行い、リンパ節転移評価に特化し 判定モデルを構築できる可能性がある。最終的に、機械学習で得られたリンパ節転移判定モデル を導入し、CT 画像から自動的に転移リンパ節を同定できるシステムを構築する。
その点に関してもこの研究の有用性は高く、臨床的にも有用と考える。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
当初は初年度で十分なデータ数が集まると考えていたが、肺癌リンパ節郭清症例数が少なく十分なデータ数が集まらなかったため。
|
| 今後の研究の推進方策 |
本研究が妥当な結果が得られるには十分なデータ数が必要であり、引き続き、症例数の確保が必要である。多施設で検討を行えば十分なデータ数が確保できるかもしれないが、他施設では当施設が導入している多層検出器CTがなくデータ数の確保は困難である。引き続き、症例数の確保を行う予定である。
|
| 次年度使用額が生じた理由 |
本研究は、十分なデータ数が現時点で足りない状態であり、引き続きデータ数を集める必要がある。本年度および翌年度で十分なデータ数が集まり、研究発表できる段階であれば研究発表の際の旅費に割り当てる予定である。
|
