权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

肺の機能と形態の線量評価を融合した放射線肺臓炎予測モデルの構築

结合肺功能和形态学剂量评估的放射性肺炎预测模型的构建

基本信息

批准号：
20K16815
负责人：
勝田義之
金额：
$ 1.91万
依托单位：
Tohoku University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K16815/
关键词：
放射線誘発性肺炎機械学習放射線肺臓炎放射線治療肺がん

项目摘要

2022年度は、(1)微分ヒストグラムの応用と(2)新たな機能-線量指標の創出に着手した。まず、線量-微分型ヒストグラムを機械学習に導入することで放射線誘発性肺炎の予測能を強化した。線量-微分型ヒストグラムはmulticollinearity (多重共線性)の回避が可能である。結果は、線量-微分型ヒストグラムの指標を追加したモデルは線量-積分型ヒストグラムのみから構築したモデルと比較して予測能に優れていた。さらに、LASSOの回帰係数から各特徴量の放射線誘発性肺炎の発生に対する寄与の度合いを解析した。放射線誘発性肺炎の発生に寄与が大きい特徴量は積分ヒストグラムでは60Gy以上が照射される肺体積、微分ヒストグラムでは20Gy-30Gyが照射される肺体積であった。微分ヒストグラム型の指標は生物効果を評価する際に活用されており、本研究のように機械学習と組み合わせた研究の発展が期待される。課題として症例群は複数の異なる照射方法で治療を受けた症例が混在しており、個別の解析が望まれることである。続いて、multicollinearityを回避するための、機械学習に特化した機能-線量指標を創出した。既存法は、肺機能値に下限カットオフを設定して計算されているが、我々は下限および上限カットオフを設定して計算する機能-線量指標を提案した。この新たな機能-線量指標では、特徴量間の相互相関係数を大幅に低減し、multicollinearityを解消できた。機新たな機能-線量指標の恩恵は、LASSO法およびサポートベクターマシン法を用いた二重交差検証(nested-cross-validation)で調査した。いずれの方法でもAUC値を大幅に改善する予測モデルを構築でき、LASSO法ではAUC>0.8を超える予測モデルを構築できた。2022年度の成果は論文掲載(2編)に報告した。

In 2022,(1) the differential function index and (2) the new function index and the new function index are started. The prediction of radiation-induced pneumonia is enhanced by introducing mechanical learning into radiation-induced pneumonia. Linear-differential type The results show that the index of linear and differential type is added, and the index of linear and integral type is constructed. In addition, LASSO's return coefficient is used to analyze the relationship between the occurrence of radiation-induced pneumonia and the degree of convergence of each characteristic quantity. The development of radiation-induced pneumonia is characterized by a large amount of lung volume, which is more than 60Gy, and a small amount of lung volume, which is more than 20Gy-30Gy. The development of this study is expected in the context of the evaluation of biological effects and the development of mechanistic learning and integration. The problem is that the number of cases is different, and the treatment method is mixed, and the individual analysis is expected. In addition, multicollinearity is avoided, and mechanical learning is specialized in function-line indicators. The existing method is to set the lower limit of lung function and calculate the upper limit of lung function. The new feature is that the correlation coefficient between the linear index and the characteristic quantity is greatly reduced, and the multicollinearity is eliminated. The new function of the machine is to investigate the nested-cross-validation of the linear index, LASSO method, and support method. The method of LASSO greatly improves the AUC value of the prediction unit. The method of LASSO greatly improves the AUC value of the prediction unit. The results of 2022 are published in the paper (2 parts).