文献情報
文献番号
201803012A
報告書区分
総括
研究課題名
ビッグデータからの機械学習による前立腺癌小線源療法の予後予測法の開発と均てん化への応用
課題番号
H29-ICT-一般-002
研究年度
平成30(2018)年度
研究代表者(所属機関)
中村 和正(浜松医科大学 医学部)
研究分担者(所属機関)
- 斉藤 史郎(東京医療センター 泌尿器科)
- 萬 篤憲(東京医療センター 放射線科)
- 馬込 大貴(駒沢大学 医療健康科学部)
- 小島 伸介(臨床研究情報センター)
- 菊池 隆(臨床研究情報センター)
研究区分
厚生労働科学研究費補助金 行政政策研究分野 政策科学総合研究（臨床研究等ＩＣＴ基盤構築・人工知能実装研究）
研究開始年度
平成29(2017)年度
研究終了予定年度
令和1(2019)年度
研究費
6,924,000円
研究者交替、所属機関変更
-
研究報告書（概要版）
研究目的
我々は、ヨウ素125シード線源を用いた小線源療法に関する前向きコホート研究（JPOPS, Japanese Prostate Cancer Outcome Study of Permanent I-125 seed Implantation）を実施してきた。本研究には全国74施設（小線源療法を施行する施設の約70％）が参加し、2005年から2010年までに小線源療法で治療された約7000例が前向き登録された。
本研究の目的は、JPOPSによって得られたビッグデータを用いて、詳細な臨床情報を機械学習させることにより、新しい前立腺癌の予後予測システムを開発し、放射線治療の質の均てん化に資することである。
本研究の目的は、JPOPSによって得られたビッグデータを用いて、詳細な臨床情報を機械学習させることにより、新しい前立腺癌の予後予測システムを開発し、放射線治療の質の均てん化に資することである。
研究方法
１）放射線治療施設の規模と治療の質
先進国における放射線治療施設数、外部照射機器数との関係を調べた。次に、JPOPSコホート1に120例以上登録している大規模5施設と、120例未満を登録した20施設について、施設規模と治療パラメータとの関係を調べた。
２）JPOPSコホート１での予後因子解析
PSA再発については、Phoenix基準（PSAが治療後最低値Nadirとなり、その後PSAが上昇し、Nadir+2ng/mLとなった時点を再発とする）が国際的に用いられている。JPOPSでは、PSA bounce を正しく評価するために、Phoenix基準に加えて、JPOPS基準（PSAが1を超えて3回以上上昇した場合を再発とする）を定義している。各々の基準においてPSA非再発生存率および予測される予後因子（年齢、T因子、治療前PSA値、Gleason score（GS）、照射線量等）がPSA非再発生存率に影響するかどうかを調べた。
３）JPOPSコホート１での機械学習による予後予測精度向上の検証
PSA非再発生存率については、Phoenix基準を用いた。ロジスティック回帰、サポートベクターマシン(SVM)、ランダムフォレスト(RF)、ディープラーニング(DNN)の機械学習手法を用いて、PSA再発、有害事象発生率の予測を改善できるかを検討した。
４）新しい基準でのPSA非再発率と予後因子との関係
PSA非再発率と予後因子との関係を評価するために、T因子、PSA値、GSに加え、単変量解析や過去の論文からPSA非再発率に影響を与えると考えられる、年齢、前立腺体積、Total BED（biological equivalent dose）、外照射有無の計7つの因子について、ロジスティック回帰分析を行った。回帰係数より、各々の症例でのPSA非再発確率 p(x)を求めた。
先進国における放射線治療施設数、外部照射機器数との関係を調べた。次に、JPOPSコホート1に120例以上登録している大規模5施設と、120例未満を登録した20施設について、施設規模と治療パラメータとの関係を調べた。
２）JPOPSコホート１での予後因子解析
PSA再発については、Phoenix基準（PSAが治療後最低値Nadirとなり、その後PSAが上昇し、Nadir+2ng/mLとなった時点を再発とする）が国際的に用いられている。JPOPSでは、PSA bounce を正しく評価するために、Phoenix基準に加えて、JPOPS基準（PSAが1を超えて3回以上上昇した場合を再発とする）を定義している。各々の基準においてPSA非再発生存率および予測される予後因子（年齢、T因子、治療前PSA値、Gleason score（GS）、照射線量等）がPSA非再発生存率に影響するかどうかを調べた。
３）JPOPSコホート１での機械学習による予後予測精度向上の検証
PSA非再発生存率については、Phoenix基準を用いた。ロジスティック回帰、サポートベクターマシン(SVM)、ランダムフォレスト(RF)、ディープラーニング(DNN)の機械学習手法を用いて、PSA再発、有害事象発生率の予測を改善できるかを検討した。
４）新しい基準でのPSA非再発率と予後因子との関係
PSA非再発率と予後因子との関係を評価するために、T因子、PSA値、GSに加え、単変量解析や過去の論文からPSA非再発率に影響を与えると考えられる、年齢、前立腺体積、Total BED（biological equivalent dose）、外照射有無の計7つの因子について、ロジスティック回帰分析を行った。回帰係数より、各々の症例でのPSA非再発確率 p(x)を求めた。
結果と考察
１）放射線治療施設の規模と治療の質
本邦では放射線治療施設数当たりの外部照射装置数は1.24と先進国中で最も小さかった。また施設当たり３台以上の外部照射数を持つ大規模施設の割合も最も少なく、放射線施設が分散していることが明らかとなった。次に、JPOPSコホート1に120例以上登録している大規模5施設と、120例未満を登録した20施設にて、小線源単独症例の治療パラメータを比較したところ、大規模施設にて良好となる傾向にあった。
２）JPOPSコホート１での予後因子解析
5年PSA非再発生存率は、Phoenix基準にて89.1％、JPOPS基準にて91.6%と極めて良好であった。JPOPS基準では、PSA値、GS、T因子が有意な因子であったが、Phoenix基準では年齢のみが有意な因子となった。
３）JPOPSコホート１での機械学習による予後予測精度向上の検証
Phoenix基準を用いて、ロジスティック回帰、SVM、RF、DNNの機械学習手法を用いて、PSA再発、有害事象発生率の予測を改善できるかを検討した。いずれも学習データでは予測精度は0.7-0.9以上と高い値を示し、RFやDNNで予測精度が上がる傾向にあったが、テスト症例の予測精度は現時点ではいずれも低かった。
４）新しい基準でのPSA非再発率と予後因子との関係
PSA上昇後、ホルモン療法等の治療の介入無しに再びPSAが低下傾向にある74例をPSA再発とはせずに、また他病死53例を打ち切りとして、再度予後因子解析を行った。PSA非再発率に影響を与えると考えられる7つの因子について、各々の症例でのPSA非再発確率 p(x)を求め、PSA非再発確率から、３つにリスク分類した。各々の5年PSA非再発率は、98.8%, 94.7%, 87.8%（P<0.0001）となり、従来のリスク分類より、明確にPSA再発を予測できた。
本邦では放射線治療施設数当たりの外部照射装置数は1.24と先進国中で最も小さかった。また施設当たり３台以上の外部照射数を持つ大規模施設の割合も最も少なく、放射線施設が分散していることが明らかとなった。次に、JPOPSコホート1に120例以上登録している大規模5施設と、120例未満を登録した20施設にて、小線源単独症例の治療パラメータを比較したところ、大規模施設にて良好となる傾向にあった。
２）JPOPSコホート１での予後因子解析
5年PSA非再発生存率は、Phoenix基準にて89.1％、JPOPS基準にて91.6%と極めて良好であった。JPOPS基準では、PSA値、GS、T因子が有意な因子であったが、Phoenix基準では年齢のみが有意な因子となった。
３）JPOPSコホート１での機械学習による予後予測精度向上の検証
Phoenix基準を用いて、ロジスティック回帰、SVM、RF、DNNの機械学習手法を用いて、PSA再発、有害事象発生率の予測を改善できるかを検討した。いずれも学習データでは予測精度は0.7-0.9以上と高い値を示し、RFやDNNで予測精度が上がる傾向にあったが、テスト症例の予測精度は現時点ではいずれも低かった。
４）新しい基準でのPSA非再発率と予後因子との関係
PSA上昇後、ホルモン療法等の治療の介入無しに再びPSAが低下傾向にある74例をPSA再発とはせずに、また他病死53例を打ち切りとして、再度予後因子解析を行った。PSA非再発率に影響を与えると考えられる7つの因子について、各々の症例でのPSA非再発確率 p(x)を求め、PSA非再発確率から、３つにリスク分類した。各々の5年PSA非再発率は、98.8%, 94.7%, 87.8%（P<0.0001）となり、従来のリスク分類より、明確にPSA再発を予測できた。
結論
機械学習等によりPSA非再発確率を求めてリスク分類することにより、PSA非再発率をより正確に予測できる可能性が示唆された。
公開日・更新日
公開日
2019-11-15
更新日
-