AI-based recognize supporting technologies for daily CT-image guidance on liver caner proton therapy

点击翻译按钮获取中文摘要

肝臓がんの陽子線治療はその有効性が認識され、2022年度より一般国民保険の対象となった．今後、治療患者数の増加が予想されるため、より安全な治療実践のための研究開発が必要である．特に、がん部の位置は柔らかな肝臓内部にあり、臓器変形によって変わるため日々の治療において画像誘導による位置確認が必要である．本研究は当院の肝細胞がん陽子線治療で取得したMRI画像とCT画像を利用して深層学習モデルを構築し、画像誘導用CT画像における病巣部の視覚認識を支援する技術開発を行う．2022年度は、219症例について治療計画用CT画像とMR画像（T12強調画像、Gd-EOB-DTPA造影画像）を収集し、肝臓及び視覚的腫瘍体積（GTV）を作成した．GTVはCT画像と造影MR画像を参照して医師が作成した．この造影MR画像は、患者にGd-EOB-DTPAを投与して撮像される．造影剤を取り込んだ正常な肝細胞領域は高信号、取り込む機能が低下した腫瘍領域は低信号となる．この造影MR画像が持つ信号特性を、画像誘導用CT画像から疑似的に生成することが可能となれば、GTVの自動生成機能と連携することによって、病巣部の視覚支援が可能になると考えた．始めに上記画像と輪郭情報の匿名化データを作成し、研究に利用するデータ環境を整備した．次に、深層学習モデルU-Netを利用して、1) CT画像上の肝臓輪郭、2)CT画像と造影MR画像上にGTV輪郭を自動生成するソフトを開発した．また、同じモデルとCT画像と造影MR画像の対データを利用して、3)CT画像から疑似的に造影MR画像を生成するモデルを開発した．それぞれのモデルについて、ダイス係数による教師データと予測輪郭の一致度の評価、疑似造影MR画像と教師データの信号一致度の評価をそれぞれ行い、CT画像によるがん病巣部認識の支援方法について検討を行った．