• 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

2021 年度 実施状況報告書

患者個別化医療に向けた治療前の医療画像のみから腫瘍の縮小を予測する手法の開発

研究課題

研究課題/領域番号 20K22795
研究機関東北大学

研究代表者

田中 祥平  東北大学, 大学病院, 助手 (90883330)

研究期間 (年度) 2020-09-11 – 2023-03-31
キーワード放射線治療 / 頭頚部癌 / 人工知能 / 腫瘍縮小 / 患者個別化医療
研究実績の概要

放射線治療は治療の開始前にComputed tomography (CT)画像を撮影するが、そのCTの腫瘍画像を深層学習に入力することにより腫瘍から様々な画像特徴量を算出できる。この画像特徴量は腫瘍の様々な特徴を反映しており、縮小する腫瘍と縮小しない腫瘍を区別できると考えた。本研究の目的は頭頚部腫瘍において、放射線治療の二週間後に腫瘍が大幅に縮小するか、縮小しないかを画像のみから予測することであった。
腫瘍の縮小率の数値を予測することは難しかったが、全患者を縮小するグループと縮小しないグループに分けて、どちらかのグループかを予測することにおいては良い精度で予測することができた。今まではレディオミクスと呼ばれる腫瘍画像から腫瘍の形状や不均一性を定量化した指標が用いられていたが、ディープラーニングから予測した研究はこれが初めてである。また臨床での指標となっている年齢や化学療法の有無や腫瘍の組織型などとの比較も行ったが、そのような指標よりも精度よく予測することができた。
放射線治療の開始前に二週間後に腫瘍が縮小するかしないかを把握できることにより、放射線治療の計画を立て直すスケジューリングや再計画の頻度を増やすことができる。これは腫瘍への線量を担保することと、その周りにある正常臓器への過大な線量を提言することができるため放射線治療の発展にとっては重要なことである。
本研究で明らかになった結果は現在論文にして投稿中である。

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

腫瘍の縮小率まで予測することは難しかったが、縮小するか縮小しないかの大まかな予測においては良い精度で予測することができ、論文の投稿まですることができた。

今後の研究の推進方策

投稿した論文の査読対応を行う。また少ない解析データだったため、解析データを増やすことも考えている。

次年度使用額が生じた理由

現在投稿中の論文において投稿費用が掛かるため、残しておいた。

  • 研究成果

    (2件)

すべて 2021

すべて 学会発表 (2件) (うち国際学会 1件)

  • [学会発表] A Deep Learning-Based Radiomics Approach to Identify Patient with Early Tumor Regression Utilizing Planning CT Images for Adaptive Radiotherapy2021

    • 著者名/発表者名
      Shohei Tanaka
    • 学会等名
      2021 AAPM Virtual 63rd Annual Meeting (Disposition)
    • 国際学会
  • [学会発表] Deep learning based radiomics アプローチによる頭頚部腫瘍縮小の予測2021

    • 著者名/発表者名
      田中祥平
    • 学会等名
      日本放射線腫瘍学会第34回学術大会

URL: 

公開日: 2022-12-28  

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