| 研究課題/領域番号 |
22K08268
|
|---|
| 研究機関 | 順天堂大学 |
|---|
研究代表者 |
宿谷 威仁 順天堂大学, 医学部, 准教授 (90529174)
|
|---|
| 研究分担者 |
鈴木 一廣 順天堂大学, 医学部, 准教授 (20338370)
林 大久生 順天堂大学, 医学部, 准教授 (70569128)
高橋 和久 順天堂大学, 医学部, 教授 (80245711)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| キーワード | 肺癌 / 機械学習 / 予測 |
|---|
| 研究実績の概要 |
進行・再発非小細胞肺癌 (NSCLC)において、分子標的薬および免疫チェックポイント阻害薬（ICI）の登場は、進行・再発NSCLCに対する治療にパラダイムシフトを起こした。分子標的治療薬はドライバー遺伝子変異の有無で、また、ICIはPD-L1免疫染色（発現）でその効果をある程度予測できるが、より正確な治療効果予測モデルの確立は重要な課題である。
本研究では、既存のバイオマーカーを含む臨床情報及び治療情報、画像データを入力して効果量を推定する機械学習モデルを構築・訓練する。すなわち、既存のバイオマーカーとCT画像、PET-CT画像を組み合わせることにより、それぞれの治療方法の奏効する可能性を計測し、その中から、最適な治療方法を選ぶようなモデルの作成を目指す。
研究実施計画書を作成し、当院の倫理委員会で承認を受けた。この計画書に基づき、画像および患者背景のデータを電子カルテから抽出している。このうち、一部のデータを研究分担者、研究協力者とともに解析を進めている。
まずは、本モデルのプロトタイプとして、ドライバー変異の一つであるEGFR変異検査を予測するモデルの作成を試みた。その結果、NSCLCの治療アルゴリズムを支援するためにDeep Learningを利用できる可能性が十分にあることが示唆された。
本研究を進め、進行・再発NSCLC患者の治療選択において、臨床情報と、CT画像、PET-CT画像を統合し、症例の特徴に応じた最適な治療選択が可能となることが期待される。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
コロナ感染症の流行に伴い、一時的に、当施設や共同研究施設が使用不可となり、研究に遅延が生じた。コロナ感染症への対応の変化に伴い、本研究が順調に進捗することが期待される。
|
| 今後の研究の推進方策 |
上記「研究実績の概要」に記載したとおり、現在、データの収集と一部のデータ解析を進めている。
プロトタイプで、本Deep Learningモデルの有用性が示唆されたため、今後、さらにデータを収集し、解析を進めることで、実臨床につながる研究へと発展させたい。
|
| 次年度使用額が生じた理由 |
研究の進捗遅延に伴い、残額が生じた。今後、研究費を有効に活用して、順調に進捗させたい。
|
