| 研究課題/領域番号 |
23K14931
|
|---|
| 研究機関 | 関西医科大学 |
|---|
研究代表者 |
小池 優平 関西医科大学, 医学部, 助教 (90866154)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2026-03-31
|
| キーワード | radiomics / Dual-energy CT / 放射線治療 |
|---|
| 研究実績の概要 |
本研究では、Dual-energy CT (DECT)を用いたRadiomics解析により、頭頸部癌の予後予測モデルを開発することを目的としている。令和6年度は、比較対象となるSingle-energy CT (SECT)とDECT画像（Virtual monochromatic image: VMIのエネルギー差分画像）から予測モデル構築の際に候補となりうる Radiomics 特徴量を抽出する予定であった。臨床面ではTCIA（The Cancer Imaging Archive）の公開データ（頭頸部癌症例）を用い、ランダムフォレスト、サポートベクターマシン、決定木（CART）、勾配ブースティング（Gradient Boosting）の四手法で予後分類モデルを試作し、SECT由来の画像特徴量のみでも有用な分類ができる可能性があることを確認した。これにより、今後DECT固有のエネルギー特異的情報がどれだけ性能を押し上げるかを定量的に検証するためのベースラインを確立できた。特徴量の前処理から交差検証までを自動化した解析パイプラインを構築し、特徴量の重要度解析を行った結果、四手法で抽出された特徴量には手法間のばらつきがあるものの、腫瘍内の不均一性を捉えるテクスチャ指標が共通して上位に現れる傾向があり、腫瘍内部の複雑な構造が予後と関連している可能性が示唆された。本成果は，放射線治療後予後予測を低コストかつ非侵襲に支援する画像バイオマーカー実用化へ向けた重要な一歩であると考える。
|
| 現在までの達成度 |
現在までの達成度
3: やや遅れている
理由
DECT臨床症例データの収集が遅れているため。
|
| 今後の研究の推進方策 |
深層学習モデルへの展開として、機械学習で抽出した主要特徴を手掛かりに，3D CNN や Vision Transformer を用いたエンドツーエンドの予後予測モデルの開発を目指す。
|
| 次年度使用額が生じた理由 |
本年度は、当初計画していた海外学会への参加を想定外の急激な円安と発表募集期間とのタイミング不一致により見送らざるを得ず、渡航関連経費が未執行となったため繰越金が発生した。次年度は、この残額を国際誌への論文投稿料やオープンアクセス掲載料、英文校閲に必要な経費に振り替えて活用し、学会発表に代わる形で研究成果を迅速かつ広く世界へ発信する計画である。
|
