Development of four-dimensional radiotherapy planning technology using deep learning-based prediction of motion interplay

点击翻译按钮获取中文摘要

本研究では、呼吸性移動のある肺がんや肝臓がんに対して高精度放射線治療を行う際に、その放射線治療のビームにも存在する時間変化が臓器の動きと相互作用を起こすinterplay効果について予測することを目的としている。さらに複雑な計算が必要とされる放射線治療において、深層学習を用いたアプローチで取り組むことを目的としている。今年度は肺がん及び肝臓がんの呼吸性移動に対して動体追尾照射を行った際に呼吸性移動によって線量分布が乱れる程度を確率的手法を用いて解析する方法を開発した。肝臓がんについては体内金属マーカーと体表面の動きを４次元シネCT画像を用いて解析し、その位相シフトから動体追尾の精度の悪化を予測した。また患者の治療データから抽出された腫瘍および体表面の動きを三次元動体ファントムを用いて再現し、実際に模擬ターゲットを追尾するように治療装置を動かして追尾精度を評価した。これらの追尾精度の情報をもとに確率的手法を用いて腫瘍に投与される放射線量の変化を評価する方法を開発した。さらに、深層学習の技術を応用し、通常のCT画像からデュアルエナジーCTで得られるような仮想単色X線画像を生成する技術を開発した。これにより腫瘍の造影領域をより明瞭に表現し、正確な治療に役立てることができると考えられる。呼吸性移動と同様に、腫瘍の存在範囲を同定するプロセスに含まれる不確かさは放射線を投与する領域の拡大につながるため、これらの不確かさを低減することにより、患者の負担を低減し、より優れた線量分布の実現・治療成績の向上にもつながると期待される。