| 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, 講師 (30733159)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 放射線治療 / 肺換気画像 / radiomics / 呼吸機能検査 |
|---|
| 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。昨年度は、肺野内から膨大なradiomics特徴量を抽出できるプラットフォームとなる研究基盤を構築し、少ない症例でパイロット的に解析を行った。今年度は、昨年度よりも症例数を増やし(50症例→85症例)、呼吸機能検査値と相関があるradiomics特徴量の探索および機械学習のモデルの最適化を行った。今年度得られた結果から、複数のradiomics特徴量を組み合わせることで高い精度で肺機能値を予測できることがわかり、radiomicsを使うことで医用画像のみから呼吸機能検査値を十分推定できる可能性を見出すことができた。
|
| 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
予定通り進んでいる。
|
| 今後の研究の推進方策 |
機械学習モデルの最適化を行い、さらなる予測精度向上を図る。
|
| 次年度使用額が生じた理由 |
学会への旅費が不要となり、また高精度なワークステーションの仕様を一部見直すことで予算が余った。来年度、radiomics計算を高速に行うためのプログラム開発や追加パーツ購入に使用することで、より効率良く研究成果を出すことを予定している。
|
