機械学習（AI)を用いた画像診断で同定困難な大腸癌微小肝転移の高精度同定法の開発

2023 Fiscal Year Research-status Report

• Project/Area Number: 22K07254
• Research Institution: Kyushu University
• Principal Investigator: 中西 良太 九州大学, 大学病院, 助教 (90771254)
• Co-Investigator(Kenkyū-buntansha): 沖 英次 九州大学, 大学病院, 講師 (70380392)
• Project Period (FY): 2022-04-01 – 2025-03-31
• Keywords: Artificial intelligence / 微小肝転移 / 大腸癌

Outline of Annual Research Achievements

本研究はCTなどの画像診断で診断困難な大腸癌の微小肝転移を同定するAIを用いたツールを作成し、抽出された微小肝転移に特徴的な画像特徴量と病理画像との比較を行うことが目的である。その中で、まず当教室のデータベースを用いて大腸癌微小肝転移の同定を行うAI画像診断の作成に取り掛かった。当教室における2008-2020年の大腸癌手術データベースのうち、定期的な経過観察を行い、肝再発が指摘された100例、また2011-2020年の大腸癌肝切除データベースにおいて、肝切除後に再度肝再発を認めた80例のリストアップを行った。各症例において、肝転移が初めて同定された時点のCTを見なおし、その前に撮影したCT画像でも、再発腫瘍を認めなかったか、などを調査した。肝転移を認める画像から、同定困難な微小肝転移を同定するAIツールを作成しようとしたが、精度が上がらなかった。そこで肝再発が同定された際のCT画像と、同定される以前に撮影されたCT画像を収集し、以下の3つのグループに分類した。①CT値の調整次第で、1回前のCTで再発が同定可能、②CT値を調整しても、1回前のCTでは再発巣が同定不可能、ただし周囲血管の位置により再発とまったく同じ部位がわかる。③CT値を調整しても1回前のCTでは再発層は同定不可能、かつ周囲血管の位置関係も不明瞭。上記症例群を用いて再度AI解析を行った。その場合、③の存在により解析の精度が下がる結果が得られた。①②のみで再度解析を行ったところ、①群では、再発出現の1個前のタイミングにおいて、転移巣が出現した同じ部位に、放射線科医師による読影では同定できなかった変化をAIが訳30%程度の精度で同定できた。②群においては10%程度の精度で同定できた。解析法の検討を行い、また、症例数を増やして精度を上昇できるように模索中である。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

現時点では解析の精度は不十分であるが、予定していたデータセットが揃っている。複数の医師で確認しながらCTの読影、判定を行っており、症例のデータ蓄積に時間を要している。症例数は不十分な状態であるが、画像データの処理、解析は行えている。適切な画像解析法の選別についても共同研究者にて行えている。

Strategy for Future Research Activity

解析に使用するデータセットの調整を継続して行っていく。解析精度を上げる方法として、症例数を増やす、画像解析手法を増やす、使用画像の条件を比較する。画像解析の精度が上がったら、次に偶発的に見つかった肝転移の病理像とCT画像より得られた微小肝転移に特徴的な画像特徴量を比較する。病理像の比較項目としては、分化型、粘液産生、増殖形態胆管内増殖性、壊死(核塵の有無)、壊死の程度(化
学療法施行症例、tumor regression grade)、viableな癌細胞の分布、腫瘍内外の血管の発達、炎症細胞浸潤、嚢胞変性、周囲肝組織の線維化、周囲肝組織への
浸潤性増殖の有無などを想定している。各項目の詳細な評価の補助として適宜特殊染色(PAS染色、EVG染色、マッソントリクローム染色など)、免疫染色(a-SMA、
ki-67(MIB-1)、p53など)を追加する可能性がある。