Development of treatment response prediction system for bone stereotactic body radiotherapy using image feature analysis

点击翻译按钮获取中文摘要

転移性骨腫瘍は疼痛や脊髄圧迫を引き起こし癌患者の生活の質を低下させる。近年、転移性　骨腫瘍に対して1回大線量を用いる定位放射線治療を行われている。定位放射線治療は腫瘍制御が期待できる一方で、大線量による圧迫骨折のリスクがあることを示した。従来治療では線量分布の線量強度が均一なため、これらの治療反応を処方線量で予測してきた。一方で、定位放射線治療は腫瘍に大線量を投与するために不均一な線量分布が用いられるため、処方線量を定義することができず、高精度に治療反応を予測するのは困難である。そこで本研究は高次元の画像特徴量を抽出するRadiomics解析と深層学習を組み合わせた治療反応予測モデルを構築し、放射線治療前のCTやMRIの画像と線量分布を入力することで、腫瘍制御と有害事象を高精度に予測するシステムを開発することを目的とする。本システムによって、放射線抵抗性の症例や圧迫骨折リスクの高い患者を抽出でき、患者ごとに最適化された放射線治療を実施できる。その結果、転移性骨腫瘍の治療成績の向上と放射線障害の発生を低減できることが期待される。2022年度はRadiomics解析とDosiomics解析で抽出した特徴量を機械学習によって圧迫骨折の予測モデルを作成し、その精度を検証した。また線量分布をBEDに変換して、より精度が向上する線量分布を検討した。今後は腫瘍制御に関する予測モデルを作成し精度を検証する。