| 研究課題/領域番号 |
20K16375
|
|---|
| 研究機関 | 国際医療福祉大学 |
|---|
研究代表者 |
黒住 献 国際医療福祉大学, 医学部, 講師 (40768735)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 深層学習 / 乳がん |
|---|
| 研究実績の概要 |
【対象と方法】The Cancer Genome Atlasに登録されている浸潤性乳癌コホートからHER2陰性乳癌101例のHE画像と網羅的遺伝子発現データをダウンロードした。HER2-mRNA高発現群（51例）と低発現群（50例）の腫瘍部のHE画像の形態学的特徴の違いに関して、「AlexNet 」、「VGG16」、「VGG19」の3種類のConvolutional Neural Network（CNN）モデルを用いて、深層学習を行った。それぞれの学習モデルの判別精度、感度および特異度を計算した。その結果を元に、最も高い精度でHER2mRNA発現を判別できたのは「VGG19」であった。そこで「VGG19」を用いてTCGAの別の３８０症例でバリデーション解析を行った。
【結果】 「AlexNet 」では、判別精度は60%（感度：60%、特異度：62%、AUC：63%）であり、「VGG16」では、判別精度は86%（感度：93%、特異度：80%、AUC：95%）であった。また、「VGG19」においては、判別精度は89%（感度：97%、特異度：81%、AUC：98%）と、もっとも高い精度でHER2-mRNA発現レベルの「高発現群」と「低発現群」を見分けることができた。「VGG19」を用いて別のコホートにて同様にHE画像からHER2mRNA発現の予測スコアを算出したところ、高い精度でmRNA高値を予測することができた。
【結語】 HER2陰性乳癌の形態学的特徴からHER2-mRNA発現レベルを高い精度で予測できるAIアルゴリズムを開発した。今後は本研究のように形態学的特徴から遺伝子発現を予測しうるツールの開発とその関連について検討を進めていきたい。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
本研究課題から発展して、「乳がんにおけるプレシジョンメディシンの実現のために、臨床病理学的情報や網羅的遺伝子データといった複合的なビッグデータから、乳がんのバイオロジーに関与する真の因子を革新的なデジタル技術を用いて解明していく」、「高度なデジタル技術を応用し、遠隔地でも安全な専門学的乳がん治療技術を提供できるネットワークシステムを構築し、偏在化した地域医療や発展途上国における医療の均一化を進める。さらには、その技術を宇宙医学研究にも応用するよう発展させていく」、「革新的なデジタル技術を用いた新しい医療システムに関して、その臨床的有用性を証明し医療現場への導入を可能にするため、データサイエンティスト、コンピュータ科学者、医療専門家、病理学者、腫瘍生物学者などの協力によって多分野の高度な知識を統合する」ことをビジョンに置き、既存の概念にとらわれない破壊的な研究課題を追求することを目標とする日本乳腺人工知能研究会を立ち上げることができたため、多くの業績がこれから出てくると考える。
|
| 今後の研究の推進方策 |
医療現場における乳がんの診断・治療には、乳がんにおける分子生物学的特徴を理解することはもちろんのこと、選択された手法に関して、そのリスクやベネフィットを含めた臨床腫瘍学に関しての豊富な知識と経験が必要とされる。しかし、現実の問題としてそれを的確に行うことができる医師は世界各国で未だ不足している状況である。特に地域医療の現場や発展途上国における専門医不足は深刻な問題である。本研究課題を発展させ、人工知能などのデジタル技術を用いた革新的医療技術の臨床的信頼性を検証し、医療現場への導入のためのネットワーク構築を目指したい。このことは偏在化した地域医療や発展途上国における医療の均一化につながると考えている。
|
| 次年度使用額が生じた理由 |
今まで得られた結果に関して、別コホートによる再検証が必要である。そのための病理組織学的画像を作成するための費用（人件費込）。および、結果の学会・論文発表に要する経費。
|
