• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2022 年度 実施状況報告書

MRI‐US融合ガイド下前立腺標的生検を用いた前立腺癌の治療前悪性度評価法の確立

研究課題

研究課題/領域番号 19K08109
研究機関川崎医科大学

研究代表者

玉田 勉  川崎医科大学, 医学部, 教授 (40278932)

研究分担者 宮地 禎幸  川崎医科大学, 医学部, 教授 (00294463)
山本 亮  川崎医科大学, 医学部, 准教授 (30319959)
鹿股 直樹  聖路加国際大学, 聖路加国際病院, 部長 (60263373)
曽根 照喜  川崎医科大学, 医学部, 教授 (90179383)
研究期間 (年度) 2019-04-01 – 2024-03-31
キーワード前立腺癌 / 前立腺マルチパラメトリックMRI / 前立腺生検 / MRIガイド下生検 / 機械学習
研究実績の概要

MRI‐US融合画像ガイド下前立腺標的生検後に前立腺全摘術が施行された110症例を対象に解析した。生検における指標(標的生検のグリーソンスコア(GS)、系統的生検のGS)、臨床的な指標(年齢、PSA、PSA densityなど)およびマルチパラメトリックMRIから得られる指標(被膜外浸潤の有無、PI-RADSのT2強調像スコア、拡散強調像スコア、造影効果やみかけの拡散係数(ADC)など)を各症例から集めた。そして悪性度の識別、すなわちGS≦3+4とGS≧4+3の識別能を単変量解析で評価した。その結果、標的生検のGSが最も識別能が高かった(AUC=0.85)。単変量解析において識別能が高かった5つの指標(標的生検のGS、系統的生検のGS、PI-RADSのT2強調像スコア、臨床T staging、被膜外浸潤の有無)を用いて機械学習(Python with Orange)を行った。その結果、機械学習の解析に用いた5つのモデルの中のNeural Networkにおいて最も高い識別能を示し、AUCは0.99まで増加した。
今年度の解析において治療前の前立腺癌の悪性度の予測においては、MRI‐US融合画像ガイド下前立腺標的生検におけるGSにMRIから得られる複数の指標を機械学習(AI(人工知能))を用いて組み合わせることによって高い識別能を取得することができることが示唆された。

現在までの達成度 (区分)
現在までの達成度 (区分)

2: おおむね順調に進展している

理由

2022年度の研究成果は極めて興味深かったが、機械学習を用いた解析においては、その精度を検証するためにtest解析とvalidation解析が必要でありさらなる症例数の追加が必要と考えている。

今後の研究の推進方策

現在、MRI‐US融合画像ガイド下前立腺標的生検は年間約200症例のペースで行われ、その中でこの一年間において前立腺全摘除術が施行された症例は約40症例である。したがって2023年度中には今回の研究課題における解析に十分な症例数が確保されると予想され、2022年度に行った機械学習をtest解析とvalidation解析の両者で検証し、MRI‐US融合ガイド下前立腺標的生検を用いた前立腺癌の治療前悪性度評価法の確立にむけて研究成果を出す予定である。

次年度使用額が生じた理由

研究計画は概ね順調に進んでいるものの、2022年度から2023年度における対象症例を追加した検討や解析が必要であるため、2023年度は研究成果の発表のための旅費と英文添削費に使用する予定である。次年度使用額が生じた理由は、予定していた最終的なデータ解析が実施できずその学会発表および英文論文作成による英文添削ができなかったため。

  • 研究成果

    (1件)

すべて 2022

すべて 雑誌論文 (1件) (うち査読あり 1件、 オープンアクセス 1件)

  • [雑誌論文] Comparison of single-shot EPI and multi-shot EPI in prostate DWI at 3.0 T2022

    • 著者名/発表者名
      Tamada T, Kido A, Ueda Y, Takeuchi M, Kanki A, Neelavalli J, Yamamoto A.
    • 雑誌名

      Scientific Reports

      巻: 12 ページ: 16070

    • DOI

      10.1038/s41598-022-20518-8.

    • 査読あり / オープンアクセス

URL: 

公開日: 2023-12-25  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi