• 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 実績報告書

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

研究の概要:放射線治療は、がんの治療において広く使用されている治療法です。しかし、治療前に腫瘍の縮小を正確に予測することは困難であり、治療戦略の決定に大きな課題をもたらしています。本研究では、治療前のCT画像から治療開始2週間後の腫瘍縮小を予測するために、人工知能技術を使用しました。
方法:本研究では、患者の治療前のCT画像を使用し、治療開始2週間後の腫瘍の縮小率を予測するために、深層学習アルゴリズムである畳み込みニューラルネットワークを用いました。データセットは、患者の年齢、性別、がんの種類、腫瘍の大きさなどの臨床因子も含みました。モデルの精度を評価するために、従来の臨床因子に基づくモデルと比較しました。
結果:本研究で開発した人工知能によるモデルは、従来法よりも高い精度を持っていました。特に、治療前のCT画像のみを使用して、治療開始2週間後の腫瘍縮小率をある程度の予測精度で予測することができました。また、モデルは臨床因子による予測よりもより高い精度で一貫した予測ができました。
結論:人工知能技術を用いることで、従来のレディオミクスや臨床因子よりも高い精度で予測を行うことができることが示唆されました。将来的には、治療前のCT画像を用いた腫瘍の縮小率の予測が治療戦略の決定に役立つことが期待されます。
しかし、本研究にはいくつかの課題もありました。最も重要な課題は、研究に使用したデータが比較的小規模であることです。当院での結果であったため、他の施設で結果を再現できるかどうかは分かりません。より大規模なデータセットを使用することで、より一般的なモデルを開発することができる可能性があります。
本研究の成果は学術誌である「Scientific Report」に掲載されました。

  • 研究成果

    (1件)

すべて 2022

すべて 雑誌論文 (1件) (うち査読あり 1件、 オープンアクセス 1件)

  • [雑誌論文] A deep learning-based radiomics approach to predict head and neck tumor regression for adaptive radiotherapy2022

    • 著者名/発表者名
      Tanaka Shohei、Kadoya Noriyuki、Sugai Yuto、Umeda Mariko、Ishizawa Miyu、Katsuta Yoshiyuki、Ito Kengo、Takeda Ken、Jingu Keiichi
    • 雑誌名

      Scientific Reports

      巻: 12 ページ: -

    • DOI

      10.1038/s41598-022-12170-z

    • 査読あり / オープンアクセス

URL: 

公開日: 2023-12-25  

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