Delta-radiomicsを応用したVMAT患者個別QAシステムの開発

应用 Delta-radiomics 开发 VMAT 患者个体 QA 系统

• 批准号: 22K07792
• 负责人: 宇都宮 悟
• 金额: $ 2.41万
• 依托单位: Niigata 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-22K07792/
• 关键词: VMAT; radiomics; QA; MLC; 機械学習

本研究の目的は、delta-radiomicsの手法を応用して機械学習モデルを構築することにより、臨床的インパクトを考慮したVMATの患者個別QAシステムを開発することである。2022年度は、前立腺模擬ファントムを用いて機械学習モデルの作成を行い、MLC位置誤差（偶発誤差）が発生した場合のTCPの変化量を線量分布のradiomics特徴量から高い精度で予測できることを示した。詳細は下記に記載する。治療計画装置を用いて様々なサイズの前立腺がんのターゲット・正常臓器を模した模擬輪郭を9種類作成した。それを基に、臨床基準を満たすようなVMATプランを54個程度作成した。専用のソフトウエア「Pyradiomics」を使用して作成した治療計画の線量分布のradiomics特徴量を851個抽出した。また、同VMATプランのDVHから前立腺ターゲットの腫瘍制御確率（TCP）を計算した。また、同VMATプランにMLC位置誤差（標準偏差が1 mm及び2 mmの偶発誤差）を人為的に与えた「エラー付与プラン」を作成し、その場合のTCPも計算した。TCPについて、元のプランと「エラー付与プラン」の間の変化量（ΔTCP）を計算した。ΔTCPを目的変数、radiomics特徴を説明変数として、Pythonを用いて機械学習モデルを作成した。Lasso回帰を用いて特徴量選択を行い、機械学習モデルのアルゴリズムはPyCaretを用いて18個の結果を比較した。その結果、kNN、Extra trees、Bayesian ridgeで特に高精度のモデルが作成でき、テストデータセットでRMSE:約0.2%、決定係数:約0.6を達成できた。

The purpose of this study is to develop a mechanism for the development of VMAT patient-specific QA systems by using delta-radiology techniques and mechanical learning techniques. In 2022, the mechanical learning of TCP and MLC position errors (even errors) occurred in the case of TCP variation, radiology characteristics of linear distribution, high accuracy prediction, etc. Details are recorded below. The treatment planning device is designed with 9 types of analog devices. 54 levels of baseline 851 radiology features were extracted from the radiology profile of the treatment plan created by the use of "Pyradiology." In addition, the DVH of the same VMAT file is calculated from the previous file. The MLC position error (standard deviation of 1 mm and 2 mm) is artificially calculated in conjunction with the TCP calculation in all cases. TCP is calculated by calculating the amount of time between "" and ""(ΔTCP).ΔTCP target number, radiology characteristics, etc. The results of the 18 tests were compared between the Lasso test and the PyCaret test. The results, kNN, Extra trees, Bayesian ridge, are particularly accurate. RMSE: about 0.2%, coefficient of determination: about 0.6.

项目成果

The impact of MLC positional errors on radiobiological metrics in volumetric-modulated radiation therapy

MLC 位置误差对体积调制放射治疗中放射生物学指标的影响

• 发表时间: 2022
• 作者: 木下友誉;西潟貴幸;石坂夏希;中村沙愛;棚邊哲史;中野永;坂井まどか;田邊俊平;滝澤健司;海津元樹;石川浩志;宇都宮悟
• 通讯作者: 宇都宮悟