頭頸部癌の個別化医療に向けた腫瘍特性の非侵襲的画像化と人工知能解析の融合

点击翻译按钮获取中文摘要

本研究の第一段階として、頭頸部扁平上皮癌における腫瘍の機能的情報（細胞増殖能および低酸素領域）の非侵襲的な画像化の検討があったが、こちらはMRIによる多b値の拡散強調像の信号情報およびamido proton transfer（APT）イメージングにより得られる腫瘍のタンパク質代謝情報、さらにはArterial Spin Labeling（ASL）より得られた腫瘍の血流情報を反映させたデータをそれぞれ数学的手法によって解析することで、比較的、高い精度における画像化を実現することができた。2022年度は主に、これらの情報を深層学習モデルを用いて解析することで予後予測機能のモデル化を試みた。深層学習には既存のイメージデータベースを用いて構築された複数のモデルによる転移学習を行った。モデル分類の教師データとしては、患者の原発腫瘍のT-stageや化学放射線治療に対する初期反応を用いて、これらの結果を数学的に融合させることで、より精度の高いモデル構築を試みた。今回の画像処理に最適な深層学習ネットワークの種類およびモデル構築に最適なハイパーパラメータを複数回の処理にて決定し、モデル構築の条件の基盤となるデータを無事に取得することが出来た。2023年度は実際の患者データにおける短期的、長期的予後を用いて、今回、構築した深層学習モデルの精度を検証していく。結果次第でさらなるパラメータの調整、および適切化に向けて追加の検討を続けていく予定である。必要に応じて、画像情報のベクトル化、得られたベクトルの融合処理などによる構築されたモデルの改善も行っていく。