Development of image-assisted therapy to identify therapy-resistant cells inside cancer using virtual biopsies.

开发图像辅助疗法，利用虚拟活检来识别癌症内部的耐药细胞。

• 批准号: 22K15808
• 负责人: 亀澤 秀美
• 金额: $ 2.91万
• 依托单位: Teikyo University
• 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 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K15808/
• 关键词: レディオミクス; Radiomics; 再発予測; 治療抵抗性細胞; 画像支援治療

本研究の目的は、癌の個別化治療を実現するために、放射線治療抵抗性細胞を同定できる新たな仮想生検を開発し、治療抵抗性細胞を含む不均一な癌への最適な治療法選択および適応を支援する、画像支援治療法を確立することである。2022年度は公開データベースにある頭頸部扁平上皮癌患者の治療前CTやMR、PET画像への仮想生検（レディオミクス解析）に基づく再発予測モデルを開発を行った。これまでの画像特徴量に加え、局所領域の不均一性を評価できるローカルバイナリパターン（LBP）を応用した新たな手法を検討し、他者の先行研究における従来法（C-index=0.60）と比較し、高精度な（C-index=0.76）再発予測モデルを構築することができた。なお、本研究結果は国内および国際学会（第124回日本医学物理学会学術大会およびThe 22nd Asia-Oceania Congress on Medical Physics）にて発表し、国際学術雑誌（Physical and Engineering Sciences in Medicine, 46, 99-107, 2023）に掲載された。2023年度は構築した再発予測モデルを用いて推定した再発や無再発症例を治療抵抗性細胞の位置同定に利用する予定である。また、低酸素状態にある癌細胞は放射線治療抵抗性であることに着目し、低酸素イメージングPET（FMISO-PET）画像の解析や放射線治療抵抗性細胞と感受性細胞では細胞密度や活動性が異なるとの仮説の元、細胞密度や活動性を反映した拡散強調MR画像により、放射線治療抵抗性細胞を同定する。

The purpose of this study is: individualized treatment of cancer, treatment of radiotherapy-resistant cells, new treatment of cancer, and treatment of The most suitable treatment method for cancers that contain non-uniform treatment-resistant cells is おおよび応をsupport, and the image-supported treatment method is established することである. Pre-treatment CT and MR for head and neck squamous cell carcinoma patients released in 2022 ET portraitへの仮愿生検（レディオミクスanalytics）に记づく Za発 Predictionモデルを开発を行った. Characteristics of portraits, special features, and non-uniformity in local areas.ルバイナリパターン (LBP) を応用した新たな Technique を検し、Other’s first The research method (C-index=0.60) and comparison method, the high-precision method (C-index=0.76) and the prediction method are used to construct the method. The 22nd Asia-Oceania Congress on Medical Physics), the results of this study are published in the International Society of Physical and Engineering Sciences in Medicine (Physical and Engineering Sciences in Medicine, 46, 99-107, 2023) に掲泽された. In fiscal 2023, we will build a pre-predicted re-emergence system and use it to estimate the re-elimination-free disease cases and determine the location and utilization of treatment-resistant cells.また、 Hypoacid state にある Cancer cells は Radiation therapy resistance であることに目し、 Hypoacidity イメージング PET (FMISO-PET) image analysis や Radiation therapy resistance Cells and sensitive cells are different in density and activity, cell density and activity are reflected in MR imaging, and radiation therapy-resistant cells are determined in the same way.

项目成果

レディオミクスを用いた頭頸部癌の再発予測モデル構築

使用放射组学建立头颈癌复发预测模型

• 发表时间: 2022
• 作者: Kamezawa Hidemi;Arimura Hidetaka;亀澤秀美; 矢仁田紗恵; 中村有希; 松林輝; 島田舞紀; 仁科祥子
• 通讯作者: 亀澤秀美; 矢仁田紗恵; 中村有希; 松林輝; 島田舞紀; 仁科祥子

Topology-based Radiomics and Dosiomics Model for Predicting Recurrence in Head and Neck Squamous Cell Carcinoma

基于拓扑的放射组学和剂量组学模型用于预测头颈鳞状细胞癌的复发

• 发表时间: 2022
• 作者: Yuki Tamakuma;Masayuki Naito;Guosheng Yang;Kotaro Tani;Kazuaki Yajima;Eunjoo Kim;Munehiko Kowatari;Osamu Kurihara;Hidemi Kamezawa; Hidetaka Arimura
• 通讯作者: Hidemi Kamezawa; Hidetaka Arimura

Recurrence prediction with local binary pattern-based dosiomics in patients with head and neck squamous cell carcinoma

• DOI: 10.1007/s13246-022-01201-8
• 发表时间: 2022-12
• 期刊: Physical and Engineering Sciences in Medicine
• 影响因子: 4.4
• 作者: H. Kamezawa;H. Arimura