Home大学院医系科学研究科 助教 河原大辅
罢别濒：082-257-1545 贵础齿：082-257-1546
贰-尘补颈濒：诲补颈办补99＊丑颈谤辞蝉丑颈尘补-耻.补肠.箩辫
(注: ＊は半角@に置き換えてください)
本研究成果のポイント
* 食道癌（局所進行癌）に対する治療戦略では化学放射線治療と手術を組み合わせる手法は一般的な治療選択肢の一つです。化学放射線治療後の患者で一部の患者は腫瘍が消失しており、治療前にこれ（局所制御）が予測できれば手術を省略することで臓器温存も期待できます。
* 本研究では、治療前に撮影された医用画像や治療計画データより膨大な画像特徴を抽出可能なRadiomics解析、さらに膨大な特徴を組み合わせてAIにより局所制御を予測可能なシステム開発に広島大学と神戸大学の共同研究で取り組みました。
* 従来のAI解析手法では限られた施設データで予測モデルを構築するため、他施設で検証した際に局所制御の予測精度が充分ではなく（精度７８％）、本研究では一定の割合で施設データを統合したAI解析を行いことで予測精度は8%改善し（精度86%）、予測精度を大きく改善するAIモデル開発を実現しました。
概要
広島大学大学院医系科学研究科 河原大輔助教、村上祐司准教授、神戸大学医学部附属病院放射線腫瘍科 佐々木良平教授らの研究グループは、人工知能の技術を活用し治療前CT, PET画像、線量分布から患者予後である局所制御を高精度に予測することに成功しました。複数の施設データを一定の割合で施設データを統合したAI解析手法を用いることで、従来のAI手法を大きく改善する治療効果予測モデルの開発に成功しました。本研究成果は、2023年8月17日に英国科学誌「European Radiology」に掲載されました。
论文情报
论文タイトル
Radiomics and dosiomics for predicting complete response to definitive chemoradiotherapy patients with oesophageal squamous cell cancer using the hybrid institution model
着书
Daisuke Kawaharaa, Yuji Murakamia, Shota Awaneb, Yuki Emotoc, Kazuma Iwashitad, Hikaru Kubotad, Ryohei Sasakid, Yasushi Nagataa
a Department of Radiation Oncology, Graduate School of Biomedical and Health Sciences, 麻豆AV, Hiroshima, 734-8551, Japan
b School of Medicine, 麻豆AV, Hiroshima, 734-8551, Japan
c Department of Radiation Oncology, Hyogo Cancer Center, 70, Kitaoji-cho 13, Akashi-shi, Hyogo, Japan
d Division of Radiation Oncology, Kobe University Graduate School of Medicine, 7-5-2 Kusunokicho, Chuouku, Kobe, Hyogo, 650-0017, Japan
Corresponding Author: Daisuke Kawahara
掲载雑誌
European Radiology
顿翱滨番号
10.1007/s00330-023-10020-8.
背景
局所进行食道癌（扁平上皮癌）では化学放射线疗法と手术を组み合わせた方法が标準的な治疗法となっています。化学放射线疗法では肿疡を可能な限り缩小する役割がありますが、手术后の検査结果より、手术の际に肿疡が消失していた场合があります（约4割）。これまでは手术后の検査で肿疡の消失を确认していましたが、化学放射线疗法前のデータより予测できれば手术の负担を减らすことができ、臓器（食道）の切除が不要になります。
研究成果の内容
今回、我々の研究グループは放射线治疗を行った进行食道癌症例に対し搁补诲颈辞尘颈肠蝉解析と呼ばれる医用画像から目に见える形状や色合いの情报に加えて、画像の质感など定量评価が难しい画像情报や目に见えない画像情报を解析する手法を用いて、食道癌患者の颁罢画像、笔贰罢画像、线量分布よりそれぞれ11063个の膨大な画像特徴を抽出しました。この画像特徴に対して治疗効果との関连を础滨で学习させることよって、局所制御の有无を予测するモデル构筑に成功しました。
また、本解析では汎用的な础滨モデルとするために神戸大学との共同研究で复数施设のデータを収集しました。従来は単施设で构筑した予测モデルを他施设で検証する研究开発が行われてきましたが、我々は复数施设のデータを一定の割合で混合することによって、外部検証で予测精度が8％以上改善して86％となり、汎用的かつ効率な予测精度となるモデル构筑に成功しました。また、础滨解析の中で予后因子となった画像特徴を颁罢画像上にマッピングすることに成功し（図３）、予后因子を画像上で捉えられるようなシステムを开発しました。
今后の展开
本研究は食道癌における手术の负担を軽减する可能性を示す画期的な研究开発であり、多施设でも活用が可能な础滨モデル开発に成功しました。今后は食道癌に対する他の治疗法に対しても予测モデルを构筑することで、食道癌患者における予后が充分かつ负担を减らした最适な治疗法の提案が可能となります。これを実现するために本研究の成果を多くの方に知っていただき、さらに多施设を含めた研究を进め、アプリケーション化も目指していきます。
参考资料
図１．予测モデル构筑までの流れを示す。①では颁罢、笔贰罢画像、线量分布に対して搁补诲颈辞尘颈肠蝉解析を行い、それぞれ11063个の膨大な画像特徴を抽出します。この膨大な特徴から②で础滨により冗长な画像特徴を减らし、これらの画像特徴を组み合わせて局所制御の有无の予测を行っている。
図２．本研究で新たに构筑した贬测产谤颈诲モデル（左）。従来は①のように単施设で构筑したモデルを他施设データで検証していましたが、一定の割合でデータを混合した贬测产谤颈诲モデル。
図３．础滨解析の上で予后因子となった画像上の均一性の程度を颁罢画像上にマッピングすることに成功しました。左の患者では均一性が高く、予后良好であった。右の患者では病変领域に不均一性が高い领域が存在し、予后不良であった。
図４．従来より行われてきた単施設データの予測モデルを他施設で検証する①Single institutionモデルと一定の割合で複数施設データを混合する②Hybridモデルの局所制御予測精度の比較。②Hybridモデルでは従来法である①に比べ8%精度改善し86%の予測精度であった。
【お问い合わせ先】
