UMIN試験ID | UMIN000055069 |
---|---|
受付番号 | R000062911 |
科学的試験名 | 子宮頸癌に対する重粒子線治療における治療効果予測:数理モデル化と機械学習 |
一般公開日(本登録希望日) | 2024/07/25 |
最終更新日 | 2024/07/25 01:56:52 |
日本語
子宮頸癌に対する重粒子線治療における治療効果予測:数理モデル化と機械学習
英語
Predicting the treatment effect of heavy ion particle therapy for cervical cancer: Mathematical modeling and machine learning
日本語
子宮頸癌に対する重粒子線治療における治療効果予測:数理モデル化と機械学習
英語
Predicting the treatment effect of heavy ion particle therapy for cervical cancer: Mathematical modeling and machine learning
日本語
子宮頸癌に対する重粒子線治療における治療効果予測:数理モデル化と機械学習
英語
Predicting the treatment effect of heavy ion particle therapy for cervical cancer: Mathematical modeling and machine learning
日本語
子宮頸癌に対する重粒子線治療における治療効果予測:数理モデル化と機械学習
英語
Predicting the treatment effect of heavy ion particle therapy for cervical cancer: Mathematical modeling and machine learning
日本/Japan |
日本語
子宮頸癌
英語
cervical cancer
放射線医学/Radiology |
悪性腫瘍/Malignancy
いいえ/NO
日本語
子宮頸癌に対する重粒子線治療における治療効果予測法の確立を目的とする
英語
Aiming to establish a method for predicting the therapeutic effects of heavy-ion therapy for cervical cancer.
安全性・有効性/Safety,Efficacy
日本語
英語
日本語
以下の検討項目について、作成した治療効果予測モデルと実際の治療効果の結果がどの程
度一致しているかを確認する。
検討項目:局所制御率、無再発生存率、遠隔転移発生率、全生存率など
英語
Check the extent to which the results of the treatment effect prediction model created and the actual treatment effect match the following items for consideration.
Items for consideration: local control rate, recurrence-free survival rate, distant metastasis incidence rate, overall survival rate, etc.
日本語
英語
観察/Observational
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
適用なし/Not applicable |
適用なし/Not applicable |
女/Female
日本語
1995年6月から2023年5月までに、QST病院において子宮頸癌に対して重粒子線治療を行った患者を研究対象者とする。
英語
The study subjects are patients who underwent heavy ion therapy for cervical cancer at QST Hospital between June 1995 and May 2023.
日本語
研究対象者より使用拒否の申し出があった患者データは除くこととする。
英語
Patient data for which the subject of the research has requested that it not be used shall be excluded.
250
日本語
名 | Kazutoshi |
ミドルネーム | |
姓 | Murata |
英語
名 | Kazutoshi |
ミドルネーム | |
姓 | Murata |
日本語
国立研究開発法人量子科学技術研究開発機構 QST病院
英語
National Institutes for Quantum Science and Technology QST hospital
日本語
治療診断部
英語
Department of Diagnostic Radiology and Radiation Oncology
2638555
日本語
千葉市稲毛区穴川4-9-1
英語
4-9-1 Anagawa, Inage-ku, Chiba City
0432063306
murata.kazutoshi@qst.go.jp
日本語
名 | Kazutoshi |
ミドルネーム | |
姓 | Murata |
英語
名 | Kazutoshi |
ミドルネーム | |
姓 | Murata |
日本語
国立研究開発法人量子科学技術研究開発機構 QST病院
英語
National Institutes for Quantum Science and Technology QST hospital
日本語
治療診断部
英語
Department of Diagnostic Radiology and Radiation Oncology
2638555
日本語
千葉市稲毛区穴川4-9-1
英語
4-9-1 Anagawa, Inage-ku, Chiba City
0432063306
murata.kazutoshi@qst.go.jp
日本語
国立研究開発法人量子科学技術研究開発機構
英語
National Institutes for Quantum Science and Technology
日本語
日本語
日本語
Kazutoshi Murata
英語
Kazutoshi Murata
日本語
国立研究開発法人量子科学技術研究開発機構
英語
National Institutes for Quantum Science and Technology
日本語
日本語
その他/Other
日本語
英語
日本語
英語
日本語
英語
日本語
量子科学技術研究開発機構 臨床研究審査委員会
英語
National Institutes for Quantum Science and Technology Certified Review Board
日本語
千葉県千葉市稲毛区穴川4-9-1
英語
4-9-1 Anagawa, Inage-ku, Chiba City
0432063306
murata.kazutoshi@qst.go.jp
いいえ/NO
日本語
英語
日本語
英語
2024 | 年 | 07 | 月 | 25 | 日 |
未公表/Unpublished
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
開始前/Preinitiation
2023 | 年 | 09 | 月 | 06 | 日 |
2023 | 年 | 09 | 月 | 06 | 日 |
2023 | 年 | 09 | 月 | 06 | 日 |
日本語
本研究は観察研究である。
本研究の条件を満たし、研究対象者等より 2023年11月30日までに拒否の申し出が無い症例を、本研究の対象症例として登録する。データの収集・解析は2023年12月1日以降に行う。
重粒子線治療業務用データベース(TMS)、臨床データベース(AMIDAS)、およびカルテより、下記の臨床データを収集する。
○治療効果を予想するために必要な臨床データ
・患者背景 :PS(ECOG)、放射線治療開始時年齢、臨床病期、病理組織型、腫瘍径、身長、体重、既往歴、合併症など
・治療内容 :治療開始日、治療終了日、治療概要(照射方法、総線量、分割、治療日数)、線量分布や DVH パラメータ
化学療法概要(投与量、回数、中止理由)、治療経過中の有害事象など ・採血データ:治療前から経過観察中の血算、生化学データ、腫瘍マーカーなど ・画像データ:治療前から経過観察中の MRI、CT、PETCT など
◯治療効果を示すデータ
・再発 :再発の有無、再発確認日、局所再発の有無、局所再発確認日、遠隔転移の有無、遠隔転移臓器、遠隔転移確認日、再発に対する治療など
・二次癌 :二次癌の発生日、二次癌の病名など
・生死 :生死確認日、原病死/他病死など ・採血データ:経過観察中の血算、生化学データ、腫瘍マーカーなど ・画像データ:経過観察中の MRI、CT、PETCT など
子宮頸癌の重粒子線治療における過去の治療成績を用いて、患者背景や治療内容などの複数の臨床データから、重粒子線治療効果を予測する数理モデルを確立する。
また、臨床データを入力として、治療効果を予測するための機械学習モデルを、教師あり学習によって構築する。症例によって一部欠損している臨床データから効率的に学習をおこなうため、欠損情報を補完してデータの事前処理を行う。さらに、学習済みモデルの計算挙動や入力データの重要度を解析することで、症例ごとに治療効果予測に必要な臨床データの種類とその順位を計算する。これらの結果から、機械学習による予後予測モデルの確立や、より直感的で効果的な治療効果予測数理モデルの発展をめざす。
英語
This is an observational study.
Cases that meet the conditions of this study and for which the research subject or other party does not request refusal by November 30, 2023, will be registered as cases for this study. Data collection and analysis will be conducted on or after December 1, 2023.
The following clinical data will be collected from the Heavy Ion Therapy Medical Database (TMS), the clinical database (AMIDAS), and medical records.
Clinical data necessary for predicting treatment efficacy
Data indicating treatment efficacy
Using past treatment results from heavy ion therapy for cervical cancer, we will establish a mathematical model to predict the effects of heavy ion therapy based on multiple clinical data such as patient background and treatment details.
In addition, a machine learning model for predicting treatment efficacy will be constructed using supervised learning, with clinical data as the input. In order to efficiently learn from clinical data that is partially missing for each case, missing information will be supplemented and data pre-processed. Furthermore, by analyzing the computational behavior of the trained model and the importance of the input data, the types and order of the clinical data required for predicting treatment efficacy for each case will be calculated. From these results, we aim to establish a prognosis prediction model using machine learning and develop a more intuitive and effective mathematical model for predicting treatment efficacy.
2024 | 年 | 07 | 月 | 25 | 日 |
2024 | 年 | 07 | 月 | 25 | 日 |
日本語
https://center6.umin.ac.jp/cgi-open-bin/ctr/ctr_view.cgi?recptno=R000062911
英語
https://center6.umin.ac.jp/cgi-open-bin/ctr_e/ctr_view.cgi?recptno=R000062911
研究計画書 | |
---|---|
登録日時 | ファイル名 |
研究症例データ仕様書 | |
---|---|
登録日時 | ファイル名 |
研究症例データ | |
---|---|
登録日時 | ファイル名 |