Construction of AI algorithm to identify MSI-H gastric cancer from CT images, histopathology, and clinical information

构建从CT图像、组织病理学和临床信息中识别MSI-H胃癌的AI算法

• 批准号: 22K07264
• 负责人: 川上 尚人
• 金额: $ 2.66万
• 依托单位: Kindai University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 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/grant/KAKENHI-PROJECT-22K07264/
• 关键词: 人工知能; MSI-H; 胃癌; バイオマーカー; アルゴリズム

MSI-H vs. MSS stage II胃癌検体を用いた解析手術症例におけるMSI-H予測上述のように、MSI statusが判明している胃癌184例の手術検体を解析する。これら症例の「診断時のCT画像(胸腹部)」および「MSI statusが判断された病理検体のHE標本(データ化)」をinputとしてアルゴリズムを構築する。アルゴリズムの精度向上のために、MSI statusに付属する臨床情報も利用する。現在アルゴリズム構築に向けてプロトコル作成し、研究協力機関の承認待ちの状況である。承認が得られ次第、解析を開始する。本研究では、すでにMSI statusが判明しているstage II 胃癌症例におけるCT画像、HE標本、臨床情報（診断時年齢、性別）をinputとし、MSI-HであるかMSSであるかの二値分類を行うモデルを学習する。それぞれのinputを学習する機械学習モデルとして、CT画像においては3次元畳み込みニューラルネットワーク(3D CNN Network)を用いる。HE標本画像は2次元画像のため、2D CNN Networkを用いるが、スライド全体は巨大な画像となるため、複数の部分パッチ画像を入力とするMultiple Instance Learningを用いて、部分パッチ画像群を入力とした2D CNN Networkを学習する。本解析で得られたアルゴリズムの精度を確認するために、これまでに外科的に切除されたStage II胃癌症例10 0例の「診断時のCT画像(胸腹部)」および「病理検体のHE標本」をin-putし、MSI-Hである可能性が高いとアルゴリズムが判断した症例について、手術検体を用いPCR検査にてMSI statusを確認する(validation)。

MSI-H vs. MSS stage II analysis of surgical cases of gastric cancer using MSI-H to predict the above, MSI status to identify 184 surgical cases of gastric cancer "CT image at diagnosis (chest and abdomen)" and "MSI status for diagnosis of pathological changes" are input and constructed. The accuracy of the system is improved, MSI status is improved, and clinical information is utilized. Now, the construction of the project is going to be completed, and the status of recognition of the research cooperation organization is expected to be completed. Recognition of the order, analysis of the beginning. In this study, MSI status was identified in stage II gastric cancer cases, CT images, HE profiles, clinical information (age at diagnosis, gender) were input, MSI-H was identified in stage II gastric cancer cases, and two categories were identified in stage II gastric cancer cases. All input learning is mechanical learning, and CT images are used in 3D CNN Network. HE Li Wei portrait 2 dimensional portrait, 2D CNN Network use, all huge portrait, part of the portrait into force, Multiple Instance Learning use, part of the portrait group into force, 2D CNN Network learning The accuracy of surgical resection was confirmed in 10 Stage II gastric cancer cases. CT images at diagnosis (chest and abdomen) and HE specimens of pathological specimens were in-put into MSI-H analysis. The possibility of MSI-H was high.