| 研究課題/領域番号 |
19K08116
|
|---|
| 研究機関 | 東北大学 |
|---|
研究代表者 |
角谷 倫之 東北大学, 大学病院, 助教 (20604961)
|
|---|
| 研究分担者 |
市地 慶 (市地慶) 東北大学, 医学系研究科, 助教 (90743443)
神宮 啓一 東北大学, 医学系研究科, 教授 (00451592)
山本 貴也 東北大学, 医学系研究科, 助教 (30733159)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | 放射線治療 / 肺機能画像 / 機械学習 / スパイロメータ / 肺換気画像 |
|---|
| 研究実績の概要 |
我々は肺癌の放射線治療において、患者毎に肺機能に応じた正常肺への線量低減により重篤な副作用を低減する目的で、肺機能画像を用いたオーダーメイド放射線治療法の開発を行ってきた。今までは肺機能画像を取得するために追加検査が必要であり、かつその検査も容易に行う事ができなかった。そこで、我々は放射線治療予後予測研究に既に用いているradiomics技術に注目し、この技術を用いることで肺野内のCT値情報から膨大な高次元画像特徴量を抽出することができ、これまで不可能であったCT画像のみから局所的な換気能力の違いを捉えることができ、高精度な肺機能画像を簡便に作成することが可能ではないかという着想に至った。本研究では、そのradiomics技術とCT画像のみから肺機能画像を作成する手法の開発を行う。今年度は、radiomicsを用いた肺機能値を推定する最適なモデル構築に向けて、スパイロメータによる呼吸機能検査値と相関があるradiomics特徴量の探索を行った。具体的には、50症例の肺癌患者の診断用息止めCT画像とスパイロメータによる呼吸機能検査値の一秒率(FEV1)を用いて解析を行った。肺野領域をセグメンテーションし、その肺野領域から1751個のradiomic特徴量を抽出した。その特徴量で患者を2群に分けた場合、その2群間のFEV1値において有意差(p<0.05)があるかを対応のあるスチューデントt検定で解析を行った。結果として308個のradiomic特徴量がFEV1と有意な相関があることが確認された(p<0.05)。この結果からradiomics解析が呼吸機能検査の予測に有用である可能性を示すことができた。次年度は、この絞り込まれたradiomic特徴量を機械学習のモデルに入力し、最適な肺機能を予測するモデルを構築する予定である。
|
| 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
当初の予定通り、1年目の目標であるスパイロメータと相関がある特徴量探索は完了した。
|
| 今後の研究の推進方策 |
今年度発見したradiomic特徴量を機械学習のモデルに入力し、最適な肺機能を予測するモデルを構築する予定である。
|
| 次年度使用額が生じた理由 |
機械学習に使用するGPU搭載ワークステーションは今年度はまだ使用しなかったため。来年度その予算をGPU搭載ワークステーションの購入に使用する予定である。
|
