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。

Purpose this study の は, delta - radiomics の gimmick を 応 with し て rote learning モ デ ル を build す る こ と に よ り, clinical イ ン パ ク ト を consider し た VMAT の patients individual QA シ ス テ ム を open 発 す る こ と で あ る. 2022 annual は, front gland simulation フ ァ ン ト ム を with い て rote learning モ デ ル の made を い, MLC position error (error) accidentally 発 が 発 raw し の TCP の た occasions - momentum を dose distribution の radiomics, 徴 quantity か ら で い high precision to measure で き る こ と を shown し た. The detailed に is recorded in に. Device を treatment plans with い て others 々 な サ イ ズ の front gland が ん の タ ー ゲ ッ ト, normal viscera を die し た simulation round guo を 9 kinds made し た. The それを basis に and the clinical baseline を with たすようなVMATプラ を を54 degrees are used to form a た. A dedicated <s:1> ソフトウエア "Pyradiomics" を was used to create a <s:1> た treatment plan with <s:1> て. The <s:1> linear distribution of <s:1> radiomics characteristic quantities を were 851, and <s:1> た were extracted. Youdaoplaceholder0, the same as VMATプラ <e:1>, <s:1> DVH プラ ら, ら anterior adenocarcinoma タ ゲット ゲット, を, and the accuracy rate (TCP) of abscess control を were used to calculate た. ま た, with VMAT プ ラ ン に MLC position error (standard deviation が 1 mm and 2 mm び の accidentally 発 error) を に and artificially え た "エ ラ ー give プ ラ ン" を し, consummate そ の occasions の TCP も computing し た. TCPに に て て て て, the element <s:1> プラ <s:1> と と "エラ と is given to プラ <e:1>" and the <s:1> variable (ΔTCP) between <s:1> is を calculated for た た. Δ TCP を order number of variations, radiomics 徴 を と - number し て, Python を い て rote learning モ デ ル を made し た. Lasso back 帰 を with い て, sentaku 徴 quantity を い, rote learning モ デ ル の ア ル ゴ リ ズ ム は PyCaret を with い て 18 の results を し た. そ の results, kNN, Extra trees, Bayesian ridge で に especially high precision の モ デ ル が made で き, テ ス ト デ ー タ セ ッ ト で RMSE: about 0.2%, decision factor: 0.6 を reached で き た.

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