Radiomics解析に基づく脳腫瘍増大予測シミュレーションによる治療介入時期の最適化

プログラム

医学系研究助成　臨床

所属機関

東京大学

所属部署

医学部脳神経外科

キーワード

Radiomics　下垂体腺腫　機械学習

研究結果の概要

本研究では、下垂体腺腫の将来的な急速増大（Rapid Progression）を予測するため、治療前MRI画像から抽出したRadiomics特徴量を用いた機械学習モデルの構築を試みた。対象は65例で、腫瘍体積の指数関数的成長モデルに基づき平均成長率kを算出し、その中央値（0.0088/月）を閾値としてRapid Progressionを定義した。T1およびT2画像から1,702個の特徴量を抽出し、Nested Cross-Validationによりロジスティック回帰モデルを構築。全特徴量を用いたモデルのAUCは0.617、統計的に有意性が確認された（p=0.022）。さらに、SHAP解析により重要性の高い10特徴量を選抜し、再学習したモデルではAUC 0.9271と大幅な性能向上を示した。これにより、Radiomics特徴量が腫瘍の異質性や生物学的特性を反映し、予測因子となりうる可能性が示唆された。一方で、症例数の少なさや外部検証の欠如が本研究の限界であり、今後は多施設共同研究や臨床情報との統合によるモデルの一般化・高精度化が期待される。

公表論文