• 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 研究成果報告書

MRIと深層学習を併用した新規乳癌悪性度解析法の確立:オーダーメイド治療への展開

研究課題

  • PDF
研究課題/領域番号 20K08017
研究種目

基盤研究(C)

配分区分基金
応募区分一般
審査区分 小区分52040:放射線科学関連
研究機関金沢大学

研究代表者

川島 博子  金沢大学, 保健学系, 教授 (70293355)

研究分担者 宮地 利明  金沢大学, 保健学系, 教授 (80324086)
研究期間 (年度) 2020-04-01 – 2023-03-31
キーワードMRI / 深層学習 / 乳癌 / 悪性度
研究成果の概要

本研究はMRIより得られる膨大な情報をディープラーニングを用いて解析・選別し,オーダーメイド治療に直結する乳癌悪性度層別化プログラムを確立することを目的とした.乳癌術前化学療法の病理学的完全奏功の予測をターゲットとし,臨床データ,造影MRIデータ,造影MRIデータから抽出した第一段階の特徴量,第二段階の特徴量,をどのように組合せれば最も精度の高い予測ができるかを検討した.その結果,病理学的完全奏功の予測のためには,臨床データ,画像データ,第一段階の画像特徴量,第二段階の画像特徴量,のすべての情報を活用した場合に最も精度が高くなることが明らかとなった.

自由記述の分野

放射線科学

研究成果の学術的意義や社会的意義

乳癌はそのサブタイプによって大筋の治療方針が決定されるが,1つのサブタイプの中でも生物学的悪性度には幅がある.MRIは乳癌患者の術前検査として広く定着しているが,乳癌の悪性度をMRIの数少ないパラメータで正確に予測することは難しい.今回,ディープラーニングでMRI情報を解析し,乳癌の悪性度を予測することを試みた.その結果,術前化学療法の病理学的完全奏功を治療開始前に予測するためには,臨床データ,基本的なMRIデータに加え,造影MRIデータから抽出した第一段階の特徴量および第二段階の特徴量のすべての情報を活用した場合に最も精度が高くなることがわかり,ディープラーニングの可能性が示された.

URL: 

公開日: 2024-01-30  

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