2020 Fiscal Year Annual Research Report
Development of the prognosis prediction model in patients with head and neck cancer using tumor biological characteristics-reflected MRI data and the artificial intelligence-based analysis
| Project/Area Number |
18K07661
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
藤間 憲幸 北海道大学, 大学病院, 講師 (80431360)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
本間 明宏 北海道大学, 医学研究院, 教授 (30312359)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | MRI / 頭頚部癌 / 予後予測 |
|---|
| Outline of Annual Research Achievements |
本研究の主は、頭頸部扁平上皮癌に対して腫瘍の機能的情報（腫瘍の増殖能、低酸素領域の有無、血管透過性）をMRIの様々な先進的な撮像法により非侵襲的に画像化することを第一段階の目標とした。さらに、それらの機能的情報を含んだ画像およびその画像から得られたパラメータに対して機械学習を用いた後処理解析を行うことにより高精度な予後予測の診断モデルを構築することを第2段階の目標とした。
腫瘍の機能的情報の画像化としては、前年度以前から行ってきた検討結果として、拡散強調像より得られた多種類の信号情報や動脈スピン標識法から得られる血流情報を多角的に解析することで中等度～比較的高い精度で画像化することが可能であった。
該当年度に関しては、予後予測モデル構築における初期段階の検討として、上述したMRIから得られる腫瘍の機能的情報を反映させた画像情報のパラメータ群に対して、機械学習による分類方法を施すことによって、有効な予後予測の診断モデルを構築することが可能であるかどうかを試みた。機械学習モデルとしては非線形のサポートベクターマシンを用いた。結果として、根治的化学放射線治療を受けた頭頚部癌患者において、高い精度の予後予測が治療前の画像パラメータおよびそれらに対する解析を用いるのみで実現可能であることが示唆された。また、最終段階におけるモデル構築として、深層学習における診断モデル構築を試みた。こちらはMRIによって得られたパラメータのみならず、補助材料としてCTおよびFDG-PETにおける画像情報も必要に応じて融合させ診断モデル構築を行った。診断精度は機械学習のものに比べ大きな向上は得られなかったが、解析手法として完全に自動化されているモデル構築が可能であり、汎用性のより高い診断モデルを作成することができた。
|
