2021 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撮影した画像は血流の情報を含む。血流成分を抽出する試みは過去にも行われてきたが、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。2年目である2021年度も新規の前向き臨床試験の立ち上げには到達できなかったが、PETのAI解析に向けて不足するエビデンスを固めるため、O-15標識水やFDGによる後ろ向き研究やファントム実験、画像診断レポートと画像とを組み合わせる研究等を行った。とくにO-15標識水に関しては、PET撮影した肺画像をUCLAの研究者とともに解析し、肺血流の定量値を得ることに成功し、腫瘍血流定量につながる成果が得られた。
|
| Current Status of Research Progress |
Current Status of Research Progress
4: Progress in research has been delayed.
Reason
O-15水を満たした脳型ファントム（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PET画像を後ろ向きに解析し、米国UCLAの研究者の協力も得て、血流定量画像を作成するプログラムを完成させた。一方、O-15水のヒトへの投与へ向けた準備は遅れており、IRB提出書類を作成中である。FDG PETに関しては、甲状腺癌の予後予測モデルの改良を試み、これまでの全身転移病変を同列に扱うモデルに比べて、臓器ごとに重み付けを行うモデルのほうが高い予後予測精度を持つことを示した(Uchiyama Y, et al. Ann Nucl Med. 2021 Nov;35(11):1223-1231)。他方、deep learningモデルの開発に必要な膨大な教師データを効率良く作成する手法の確立を目指し、日常診療で専門医によって作成される診断レポートに記載されるSUVmaxを病変位置特定のために使用した。これにより、画像とレポートのみから主要臓器の位置を自動的に学習させることに成功した(米国核医学会2022に採択済み)。また、deep learningをPETに応用するにあたって、これまでのAI応用事例に関する調査を行い、その結果を総説論文として出版した(Hirata K, et al. Ann Nucl Med. 2022 Feb;36(2):123-132)。
|
| Strategy for Future Research Activity |
2020年度と2021年度はCOVID-19の影響で研究に遅れが生じたが、2022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．O-15水を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米国UCLAと共同開発する。４．診断レポート中のSUVmaxにより病変位置特定ができ、さらに主要臓器の位置も学習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。５．2022年度は、2021年度に比べるとCOVID-19による行動制限は緩和されると予想されるが、集会形式の学術大会は制限される可能性があり、病院外の研究者が病院に立ち入ることも制限される状況が続く可能性もある。昨年度に引き続き、これらの悪条件に対応するために、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。
|
