臨床画像と人工知能を用いた頭頚部癌の放射線治療の最適な治療戦略の選択に関する研究

利用临床图像和人工智能选择头颈癌放射治疗最佳治疗策略的研究

• 批准号: 22K15799
• 负责人: 馬場 敬一郎
• 金额: $ 2.91万
• 依托单位: University of Tsukuba
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K15799/
• 关键词: ラジオミクス; 頭頚部癌; 放射線治療; 人工知能

頭頚部癌は放射線感受性の比較的良好な扁平上皮癌が主体であるため、喉頭機能や形態の温存のメリットが大きい放射線治療は重要な役割を担っている。強度変調放射線治療（IMRT）は周囲の正常組織の照射線量を低減させることで重篤な有害事象を軽減できる治療技術であるが、IMRTでも咽頭収縮筋の機能低下による嚥下障害や頸動脈の狭窄による脳梗塞リスクの上昇などの晩期有害事象も明らかになっており、さらなる低侵襲化を目的とした治療戦略の開発が課題となっている。本研究では頭頚部癌に対してIMRTによる治療を行った患者の治療前および治療中の画像データを用いて人工知能による解析を行い、頭頚部癌の放射線治療後の患者の予後をより正確に予測し、放射線治療により制御されにくい病変を指摘することで患者の治療方針決定に有用なアルゴリズムを開発することを目標としている。令和4年度は、研究代表者の所属施設で下咽頭癌に対するIMRTによる治療を行った353例に関して患者背景、生存期間・局所制御率・無再発生存率等のアウトカムを調査し、同時に治療前および治療中の画像データを収集した。画像データから病変部位のセグメンテーションを行い、MATLABをベースとした数値解析ソフトウェアを用いて画像の病変部位における形状特徴量・テクスチャ特徴量・ヒストグラム特徴量の抽出を行い、Lasso回帰を用いて予後因子の解析を行った。局所制御率の予後予測因子として6つの画像特徴量が選択され、特徴量を用いた予測モデルでは年齢・PS・病期などの患者背景のみを用いたモデルよりも高い予測精度を示した。

Head cancer is good for comparison of radiation sensitivity. Squamous epithelial cancer is the main body, laryngeal function and morphology. Radiation therapy is important. Intensity-modulated radiation therapy (IMRT) reduces the dose of radiation to normal tissues of the heart, reduces the severity of adverse events, and develops treatment techniques that reduce the severity of adverse events. The purpose of this study is to analyze the use of human knowledge before and during treatment for patients with head cancer treated with IMRT, and to predict the use of human knowledge after treatment for patients with head cancer treated with IMRT. In 2010 and 2014, 353 patients with hypopharyngeal head cancer were treated by IMRT, including patient background, survival period, local control rate, and regeneration-free survival rate. The image of the disease part of the original set of parameters, MATLAB set of parameters, numerical value analysis software, use of the image of the disease part of the shape characteristics, parameters, parameters, extraction of parameters, Lasso return to the use of post-factor analysis. The prediction factor of local control rate is 6. The prediction accuracy of image feature is shown by the selection of image feature, the prediction of image feature, the prediction of patient background, and the prediction accuracy of patient background.