2020 Fiscal Year Research-status Report
Use of digital PET and deep learning for simultaneous quantification of tumor blood flow and metabolism from FDG PET
| Project/Area Number |
20K08015
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
平田 健司 北海道大学, 医学研究院, 准教授 (30431365)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
竹内 啓 北海道大学, 医学研究院, 助教 (30374515)
真鍋 治 東京医科歯科大学, 医学部附属病院, 特任助教 (40443957)
久下 裕司 北海道大学, アイソトープ総合センター, 教授 (70321958)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 核医学 / FDG-PET/CT / 糖代謝 / 血流 / deep learning / deep neural network |
|---|
| Outline of Annual Research Achievements |
F-18 fluorodeoxyglucose (FDG)はブドウ糖類似体であり、体内に投与してからポジトロン断層法(PET)で撮影することにより、体内の糖代謝の多寡を画像化できる。原理的には、FDGを投与した直後から連続PET撮影した画像には、血流の情報が含まれているはずである。血流成分を抽出しようとした研究はこれまでも行われてきたが、PETの空間分解能の低さによるarterial input function (AIF)取得の困難さ等のため、臨床的に使用されるレベルには至っていない。腫瘍の診療の立場からは、血流にはdrug deliveryや治療効果判定に関する重要な情報が含まれていると考えられる。そこで本研究では新技術を導入することで、FDGによる腫瘍の糖代謝・血流の同時定量を目指してきた。今回申請者らが用いる新技術は、ハードウェアとしては高い空間分解能を持つ半導体PETであり、ソフトウェアとしては機械学習の一種であるdeep neural network (DNN)である。高い空間分解能は小さい血管からのAIF取得に役立ち、DNNはコンパートメントモデル・フリーで直接血流を予測するregressorとなりうる。腫瘍血流はO-15標識水のPETによる測定値をgold standardとする。1回のFDG PET撮影で患者負担の増加なしに糖代謝と同時に腫瘍血流が定量することを目指している。1年目である2020年度は、コロナ禍のため病院内の施設利用や病院外職員の立ち入りが制限されたため、研究の進捗はやや遅れているが、この状況でも実施可能なファントム実験やシミュレーション実験は行った。また本研究から派生して、FDG-PET/CTのDeep learningによるAI診断の研究と、診断レポートに記載されたSUVmaxを病変位置特定に使用する研究を行った（論文2報採択）。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
O-15水を満たしたファントム（人体を模したプラスチック容器）をPET装置で撮影し、撮影条件の調整を行い、ヒトに投与するための基礎的なデータを得た。また、肺血流を測定するために本学で過去に行われた臨床研究においてヒトにO-15水を投与して撮影された画像を後ろ向きに解析した。一方、O-15水のヒトへの投与へ向けた準備はやや遅れており、現在IRBに提出する書類を作成中である。
他方、派生した関連研究を2つ行った。いずれもAI画像診断に関する研究である。1つは乳癌のFDG-PET/CTの画像をdeep learningにより自動診断するAIを開発し、論文を発表した（Li Z, et al. Preliminary study of AI-assisted diagnosis using FDG-PET/CT for axillary lymph node metastasis in patients with breast cancer. EJNMMI Res. 2021 Jan 25;11(1):10）。また、deep learningを始めとするAI診断モデルを作るには、膨大な教師データが必要である。教師データを効率良く作成する方法は様々なものが考案されているが、我々は日常診療で専門医によって作成される診断レポートに注目した。この診断レポートに記載されたSUVmaxを病変位置特定のために使用して教師データを効率よく作成するための研究を行い、論文が採択された（Hirata K, et al. A preliminary study to use SUVmax of FDG PET-CT as an identifier of lesion for artificial intelligence, Frontiers in Medicine, in press）。
|
| Strategy for Future Research Activity |
2020年度はCOVID-19の影響で研究に遅れが生じたが、2021年度は遅れを取り戻すべく下記のとおりに研究を進める。１．ヒトに投与するためのIRB申請を進める。２．コンピューター・シミュレーションをさらに進めて、FDGのdynamic画像から血流を算出するモデルを開発する。３．モデル開発においては、米国UCLAの専門家の協力を得る（すでに内諾を得ている）。４．診断レポート中のSUVmaxにより病変位置特定ができることがわかったため、これを生かした実際の教師データ作成手法を開発する。５．2021年度も集会形式の学術大会は制限される可能性が高く、また病院外の研究者が病院に立ち入ることが制限される状況は続くと考えられる。この悪条件を克服するために、リモート会議の体制を整えて、関係者間での定期的なミーティングを行う。
|
| Causes of Carryover |
2020年度はCOVID-19の影響で学会出張がほとんどなくなり、旅費としての支出がなかった。かわりにオンライン学会参加費等に使用したが、結果的には未使用額が生じた。2021年度は状況に応じて学会出張するほか、リモート会議の体制を整えたり、英文論文の校正費用、掲載費、核医学検査の消耗品等に使用したりすることで研究を加速する予定である。
|
