WEKO3
アイテム
医用画像とimmunogenomicsを用いた人工知能による肝癌薬物療法の最適化
https://kindai.repo.nii.ac.jp/records/2001977
https://kindai.repo.nii.ac.jp/records/2001977636265f6-116b-41dd-afbb-8b2b0a656ab3
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
21K07184seika.pdf (460.4 KB)
|
|
| Item type | 報告書 / report(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-11-08 | |||||||||
| タイトル | ||||||||||
| タイトル | 医用画像とimmunogenomicsを用いた人工知能による肝癌薬物療法の最適化 | |||||||||
| 言語 | ja | |||||||||
| タイトル | ||||||||||
| タイトル | Development of AI for the drug therapy of hepatocellular carcinoma using medical image and immunogenomics | |||||||||
| 言語 | en | |||||||||
| 研究代表者 |
西田, 直生志
× 西田, 直生志
e-Rad_Researcher
60281755
|
|||||||||
| 研究分担者 |
目加田, 慶人
× 目加田, 慶人 |
|||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| キーワード | ||||||||||
| 主題 | 肝細胞癌, 薬物療法, 人工知能, 医用画像, 腫瘍免疫微小環境, 免疫チェックポイント阻害剤, ドライバー変異, 遺伝子変異 | |||||||||
| 内容記述 | ||||||||||
| 内容記述タイプ | Abstract | |||||||||
| 内容記述 | 154例の肝癌を用い、免疫染色と遺伝子変異にて免疫チェックポイント阻害剤(ICI)の効果予測モデルを作成した。ICI治療を受けたテストコホートで、モデルは無増悪生存期間を層別化した。画像情報からレンバチニブ治療の病勢制御予測モデルを開発した。96例の肝癌例でRadiomics特徴量を抽出、ニューラルネットワーク（NN）モデルではLightGBMモデルと比較し良好な精度であった。相互情報量を特徴量の関連性尺度として、少ない特徴量で精度の高いモデルを作成した。Radiomics特徴量であるGLSZM(Gray Level Size Zone Matrix)が判別に有用であり、予測精度が向上した。 | |||||||||
| 言語 | ja | |||||||||
| 内容記述 | ||||||||||
| 内容記述タイプ | Abstract | |||||||||
| 内容記述 | We developed an AI to predict the efficacy of immune checkpoint inhibitors (ICIs) for hepatocellular carcinoma (HCC). 154 HCC tissues were used to classify tumors based on mutation, histopathology and imaging information. Using scores generated by CD8+ lymphocytes, PD-L1, and β-catenin activation, progression-free survival for PD-1 antibody treatment was successfully stratified in test cohort.Another model was also developed to predict disease control by lenvatinib using imaging information. Radiomics features were extracted from CT, and compared to the LightGBM model, the neural network (NN) model showed better performance with the average correct response rate was 0.58. To further improve accuracy, we used the mutual information as a measure of the relevance of features to create a better model with fewer features. As a result, the GLSZM (Gray Level Size Zone Matrix), a radiomics feature, was particularly useful for discrimination with better performance. | |||||||||
| 言語 | en | |||||||||
| 内容記述 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 研究分野：消化器内科 | |||||||||
| 言語 | ja | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_93fc | |||||||||
| 資源タイプ | report | |||||||||
| 出版タイプ | ||||||||||
| 出版タイプ | VoR | |||||||||
| 出版タイプResource | http://purl.org/coar/version/c_970fb48d4fbd8a85 | |||||||||
| 助成情報 | ||||||||||
| 助成機関名 | 独立行政法人日本学術振興会 | |||||||||
| 言語 | ja | |||||||||
| 助成機関名 | Japan Society for the Promotion of Science | |||||||||
| 言語 | en | |||||||||
| 研究課題番号URI | https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21K07184/ | |||||||||
| 研究課題番号 | 21K07184 | |||||||||
| 研究課題名 | 医用画像とimmunogenomicsを用いた人工知能による肝癌薬物療法の最適化 | |||||||||
| 言語 | ja | |||||||||
| 研究課題名 | Development of AI for the drug therapy of hepatocellular carcinoma using medical image and immunogenomics | |||||||||
| 言語 | en | |||||||||
| 書誌情報 |
ja : 科学研究費助成事業研究成果報告書 (2023) ページ数 23 |
|||||||||
