深層学習による肺癌の予後予測情報を活用した個別化放射線治療支援システムの開発

利用深度学习的肺癌预后预测信息开发个性化放射治疗支持系统

基本信息

批准号：
19J14339
负责人：
柿野諒
金额：
$ 1.34万
依托单位：
Kyoto University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2019
资助国家：
日本
起止时间：
2019-04-25 至 2021-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19J14339/
关键词：
Radiomics 深層学習予後予測機械学習肺SBRT 医学物理学

项目摘要

本研究は医の倫理委員会の承認を得ている.今年度は，「i)Radiomics特徴量に基づく予後予測」，「ii)深層学習に基づく予後予測」について研究を行なった．i)については，定位放射線治療(以下，SBRT)を施行した非小細胞肺癌患者を対象とした．評価する臨床転帰を局所再発・遠隔転移とした．CT画像よりRadiomics特徴量を抽出した後，特徴量の頑強性・冗長性に基づき特徴量選択を行なった．その後，臨床転帰と関係性の高い特徴量を選択し，機械学習アルゴリズムに基づき，モデルを作成した．モデルは，臨床因子(年齢，性別，BMI等)のみを入力した「臨床モデル」，Radiomics特徴量のみを入力した「画像モデル」，両者を入力した「混合モデル」を構築した．予測精度を示すC統計量，及び，リスク分類による累積発生率の差は混合モデルが最も大きかった．機械学習内の特徴量重要度はどの臨床因子よりも2つRadiomics特徴量が高いかった．ii)については，i)で使用した患者のうち，観察期間が2年以上を対象とした．全患者を無作為に学習群とテスト群に分割した．腫瘍を中心にCT画像を10 cm角に切り出し，データ拡張を行った．3D-CNNは，畳み込み層と最大プーリング層を有する単純構造とした．学習群で5分割交差検証を適用し，テスト群に対してROC曲線下面積(AUC)を評価した．また，axial断面のみを用いたモデル(2Dax-CNN)，axial, coronal, sagittal断面を用いたモデル(2Dconc-CNN)を構築した．更に，学習群でLightGBMを用いた臨床モデル及びRadiomicsモデルを構築し，3D-CNNモデルと同様の解析を行った．一方，3D-CNNに基づく2年時点の遠隔転移の予測能は， Radiomicsモデルより低く，2Dconc-CNNと同等であった．

这项研究已获得医学伦理委员会的批准。今年，我们开展了“i）基于放射组学特征的预后预测”和“ii）基于深度学习的预后预测”的研究。关于i)，受试者是接受立体定向放射治疗(SBRT)的非小细胞肺癌患者。评估的临床结果是局部复发和远处转移。从CT图像中提取放射组学特征后，根据特征的鲁棒性和冗余性来选择特征。然后，我们选择与临床结果高度相关的特征，并创建基于机器学习算法的模型。我们构建了一个“临床模型”，其中仅输入临床因素（年龄、性别、BMI等），一个“图像模型”，其中仅输入放射组学特征，以及一个“混合模型”其中两者均被输入。混合模型在 C 统计量（表示预测准确性）和风险分类的累积发病率方面差异最大。机器学习中的特征对于两个放射组学特征的重要性高于任何临床因素。关于ii)，i)中使用的患者中，观察期为2年或更长。所有患者被随机分为学习组和测试组。将CT图像切成10厘米见方，肿瘤位于中心，并进行数据增强。 3D-CNN 结构简单，具有卷积层和最大池化层。对训练组应用五倍交叉验证，对测试组评估 ROC 曲线下面积 (AUC)。我们还构建了一个仅使用轴向截面的模型 (2Dax-CNN) 和一个使用轴向、冠状和矢状截面的模型 (2Dconc-CNN)。此外，在学习组中，我们使用LightGBM构建了临床模型和放射组学模型，并进行了与3D-CNN模型相同的分析。另一方面，基于3D-CNN预测2年远处转移的能力低于放射组学模型，与2Dconc-CNN相当。

项目成果

期刊论文数量（8）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Prognostic prediction based on diagnostic CT image features before SBRT for lung cancer patients: a retrospective single-institutional study

肺癌患者 SBRT 前基于诊断 CT 图像特征的预后预测：一项回顾性单机构研究

DOI：
发表时间：
2019
期刊：
影响因子：
0
作者：
Ryo Kakino;Mitsuhiro Nakamura;Takamasa Mitsuyoshi;Takashi Shintani;Hideaki Hirashima;Yukinori Matsuo and Takashi Mizowaki
通讯作者：
Yukinori Matsuo and Takashi Mizowaki

Prognostic prediction for lung stereotactic body radiotherapy by using breath-hold CT-based radiomic features with random survival forest: A multi-institutional study

使用基于屏气 CT 的放射组学特征和随机生存森林来预测肺部立体定向放射治疗的预后：一项多机构研究

DOI：
发表时间：
2020
期刊：
影响因子：
0
作者：
Ryo Kakino;Mitsuhiro Nakamura;Takamasa Mitsuyoshi;Takashi Shintani;Masaki Kokubo;Yoshiharu Negoro;Masato Fushiki;Masakazu Ogura;Satoshi Itasaka;Chikako Yamauchi;Shuji Otsu;Takashi Sakamoto;Masato Sakamoto;Norio Araki;Hideaki Hirashima;Takan
通讯作者：
Takan

Development of neutron-shielding filter for reducing cardiac implantable electronic device malfunction

开发中子屏蔽过滤器以减少心脏植入电子设备故障

DOI：
发表时间：
2020
期刊：
影响因子：
0
作者：
Ryo Kakino;Mitsuhiro Nakamura;Naonori Ko;Hiraku Iramina;Yoshinori Sakurai;Hiroki Tanaka;Takashi Mizowaki
通讯作者：
Takashi Mizowaki

Improving prognostic prediction for lung cancer patients who underwent SBRT using breath-hold diagnostic CT-based image features: a retrospective single institutional study

使用基于屏气诊断 CT 的图像特征改善接受 SBRT 的肺癌患者的预后预测：一项回顾性单一机构研究

DOI：
发表时间：
2019
期刊：
影响因子：
0
作者：
Ryo Kakino;Mitsuhiro Nakamura;Takamasa Mitsuyoshi;Takashi Shintani;Hideaki Hirashima;Yukinori Matsuo and Takashi Mizowaki
通讯作者：
Yukinori Matsuo and Takashi Mizowaki

日本放射線腫瘍学会第32回学術大会

日本放射线肿瘤学会第32届学术会议