放射線治療と予後との因果を推論・探索する先駆的人工知能モデルの開発

开发开创性的人工智能模型来推断和探索放射治疗与预后之间的因果关系

• 批准号: 22K07676
• 负责人: 井上 達也
• 金额: $ 2.66万
• 依托单位: Juntendo 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-22K07676/
• 关键词: 深層学習; 敵対的生成ネットワーク; 放射線治療; 治療効果予測; 生成CT画像; 線量分布; 因果推論; 因果探索; 予後予測; 深層学習; 敵対的生成ネットワーク; 放射線治療; 治療効果予測; 生成CT画像; 線量分布; 因果推論; 因果探索; 予後予測

現在の癌治療の効果は集団レベルの平均的な確率から予測される。しかし治療の効果は、例え同じ処方でも個人が持つ背景に影響を受けるため個人ごとで効果は様々である。個人の治療効果を治療前に高い精度で推定することが患者に合わせた最適な治療を行う個別化医療においては必要不可欠である。本研究の目的は放射線治療を実施した患者データを用い、高い精度で治療効果の予測を可能とする人工知能モデルを開発することである。本年度は放射線治療前の治療計画の段階で治療中の癌の進展を予測することを目的として、非小細胞肺癌に対して放射線治療を実施した患者の治療前に撮影したCT画像および放射線治療計画で作成した線量分布のデータから治療期間中の肺癌の状態を予測する深層学習モデルの開発に着手した。この実験では治療期間中の患者の状態を反映したCT画像を予測生成するモデルを深層学習技術の一つである敵対的生成ネットワークにより作成した。画像を生成するモデルの作成は人工知能開発プラットフォーム上で行えたが、構造類似度などの画像評価指標を用いてモデルにより生成した画像と正解となる実際の治療中に撮影した画像の比較を行った結果、その精度は臨床で使用するには不十分であった。敵対的生成ネットワークモデルの学習に十分な症例数を組み込めていない点を考慮し、データの水増しを行えるようにモデルの改良を行った。また、更なる精度改善のためにモデルの損失関数の調整やパッチ数などの学習アルゴリズムの最適化に取り組んでいる。

当前癌症治疗的有效性是从人口水平的平均概率上预测的。但是，即使治疗是相同的，治疗的影响因个人而异，因为它们受个人背景的影响。在个性化医学中，对患者进行最佳治疗是必不可少的，在治疗前估算个人治疗效果至关重要。这项研究的目的是开发一种人工智能模型，该模型使用放射治疗中的患者数据以高精度预测治疗效果。今年，为了预测放射治疗前治疗计划阶段治疗期间癌症的进展，我们已经开始开发一种深度学习模型，该模型在治疗期间使用CT图像预测肺癌的状况，使用CT图像在治疗治疗的患者中对非小细胞肺癌进行放射疗法的患者，并使用辐射疗法创建了剂量分布数据。在本实验中，使用敌对生成网络（一种深度学习技术之一）创建了一个模型，以预测和生成在治疗期间反映患者状况的CT图像。尽管可以在人工智能开发平台上创建生成图像的模型，但由于使用图像评估指标比较模型生成的图像，例如结构性相似性与在实际处理过程中获得的图像相似，因此图像的准确性不足以用于临床使用。考虑到无法将足够的病例数纳入学习对抗生成网络模型中，该模型被改进以允许数据充气。此外，为了进一步提高准确性，我们正在努力调整模型的损失函数并优化学习算法（例如斑块计数）。