|
体内のブドウ糖代謝の分布を画像として表すFDG PET-CTは、悪性腫瘍を可視化するツールとして日常診療で用いられている。得られた画像は、熟練した診断医によって診断されているが、専門医のいない病院も多く、AI技術に対する期待は大きい。しかし、実臨床に応用するための基礎的データがまだ十分に得られていない。とくに、CTやMRIに比べて、PETを始めとする核医学検査においてはAI技術の導入が遅れている。
AI診断において注目されている手法が、radiomicsとdeep learningである。Radiomicsは、病変の形や内部不均一性などをピクセル値の計算式で数量化し、診断に役立てようという技術あるいは研究分野である。Deep learningは深層のneural networkを用いて特徴量の設計過程を機械学習に含めてしまう手法である。本研究課題では、radiomicsとdeep learningの技術をFDG PET-CTの自動診断に用いるための基礎的なデータを得るために、ファントムおよびヒトの画像に関する研究を行った。
ファントム実験については、3Dプリンターで腫瘍、脳、乳房を模したファントムを作成し、これらを自施設の高空間分解能PET装置で撮影するとともに、他施設に貸し出して撮影するなどの共同研究を行った。当初予定していた動物実験は行うことができなかった。臨床研究（後ろ向き解析）については、deep learning技術を利用して、PET画像をa)異常なし、b)悪性腫瘍あり、c)どちらともいえないの3値分類するAI、PETのMIP画像から生理的集積を区別して抽出するAIを開発するとともに、脳腫瘍のメチオニンPETにおけるradiomicsの有用性を示した。
|
