Development of a Predictive Model for Prostate mpMRI and Pathological Grades Using Radiomics Analysis

使用放射组学分析开发前列腺 mpMRI 和病理分级的预测模型

• 批准号: 21K15783
• 负责人: 中村 清直
• 金额: $ 2.83万
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2023-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K15783/
• 关键词: 放射線治療計画; 機械学習; Radiomics; 前立腺癌; MRI; radiomics; mpMRI; 病理学的グレード; Radiomics特徴量

医用画像と病理所見とをRadiomics研究および機械学習に用いるため、後ろ向き研究の計画書を立案し、「画像特徴量を用いた病理学的悪性度予測とその放射線治療計画への応用」として院内の倫理委員会の承認を得た（研究番号R3671）。前年度は、前立腺癌への根治的放射線治療が行われた患者を対象とし、その針生検の所見とMRI画像とを用いてRadiomics研究を行った。今年度は放射線治療計画に応用するため、機械学習を用いてMRI画像上に前立腺の描出および前立腺内の腫瘍の描出を行うことを目標とした。しかし機械学習モデルでは病理学的悪性度の高い部分の同定に難渋した。これは針生検の所見から病理学的悪性度の高い部分をMRI上で同定する際の精度が低いことが問題と考えた。そこで、前立腺全体の病理学的な存在診断が付いている、前立腺全摘術の症例を対象として改めてモデルを作成することとした。2000年以降に前立腺全摘後の放射線治療が行われた85例をデータベースから抽出し、それらの患者の術前のMRI上に病理診断をもとに悪性度の高い部分を設定し、Radiomics研究を行う方針とした。しかし前立腺全摘が行われた多くの症例で、術前にMRIが撮像されておらず、症例数の確保が困難であった。そのためやはりもともとの方針の通り、根治的放射線治療症例のMRIを用いて機械学習にて病変部位を同定することとしている。また上記に付随した研究として、放射線治療前のCT画像を用いた放射線治療計画の可能性についても検討した。前立腺癌の放射線治療を行った10症例を対象に治療計画を行い、治療標的である前立腺の偏移や変形を加味した放射線の投与線量を推定したところ、実際の治療に用いた治療計画と比較しほとんどの指標で有意な差を認めなかった。その内容を、2022年4月の第81回日本医学放射線学会総会にて口演発表し、現在JJR誌に投稿中である。

为了在放射线学研究和机器学习中使用医学图像和病理发现，医院伦理委员会开发和批准了一项回顾性研究，以“使用图像特征及其在放射治疗计划中的应用来预测病理恶性肿瘤”（研究号R3671）。上一年，我们使用针刺活检和MRI图像的发现进行了一项放射组学研究，并在患有前列腺癌的自由基放射疗法的患者中进行了研究。今年，为了将其应用于放射治疗计划，其目标是使用机器学习来描绘MRI图像中前列腺内的前列腺和肿瘤。但是，机器学习模型很难识别出高病理恶性肿瘤的领域。根据针头活检的发现，这个问题是识别MRI病理恶性肿瘤的区域的准确性较低。因此，我们决定为总前列腺切除术病例创建一个新的模型，该模型对整个前列腺具有病理诊断。该计划是提取85例自2000年以来总体前列腺切除术后接受放疗的患者的病例，并根据病理诊断将这些患者的术前MRI上的高度恶性肿瘤设置，并进行放射瘤研究。但是，在许多情况下，进行了总前列腺切除术，MRI在手术前未成像，因此很难确保病例数。因此，按照最初计划的情况，将使用使用MRI进行根本放射治疗病例的机器学习来确定病变部位。此外，作为上述研究的研究，我们还检查了在放射治疗前使用CT图像计划放射治疗的可能性。对10例放疗前列腺癌进行了治疗计划，并且考虑到前列腺的变化和变形，估计辐射剂量，靶标作为治疗，并且与实际治疗的治疗计划相比，大多数指标没有显着差异。该内容于2022年4月在日本医学和放射学会的第81股会议上介绍，目前已发布给JJR杂志。