2022 Fiscal Year Annual Research 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 |
ブドウ糖類似体であるF-18 fluorodeoxyglucose (FDG)とポジトロン断層法(PET)により糖代謝分布画像が得られる。FDG投与直後から連続撮影した画像は原理的には血流の情報を含むが、PETの空間分解能の低さ、arterial input function (AIF)取得の困難さ等のため、臨床使用には至っていない。腫瘍血流情報はdrug deliveryや治療効果判定に重要と考えられる。本研究では新技術（半導体PETとdeep neural network (DNN)）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。半導体PETの高い空間分解能は小血管からのAIF取得に有用で、DNNは血流を直接予測する回帰器となりうる。O-15標識水PETの測定値を血流のgold standardとし、1回のFDG PET撮影で糖代謝と血流を同時定量することを目指した。研究期間内には、まずO-15標識水のPETデータを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。また、FDG PETのSUVmaxを病変の識別子として使用するためのPOCを取得し、過去画像とレポートの組からなる膨大なデータを効率よく教師データ化する手法の実用化への臨床研究を開始した。さらに、DNNの一種であるconvolutional neural network (CNN)を用いて乳癌の腋窩リンパ節転移を予測するシステムを開発し、このAIシステムを専門医が利用すると診断精度の向上が認められた。これらに加えて、半導体PET画像の空間分解能を落とした画像を入力に、もとの高分解能画像を出力として超解像CNNを構築した。臨床研究として甲状腺癌の代謝体積(MTV)を臓器別に算出し、これを予後予測に用いる数理モデルの構築も達成した。
|
