□ 연구개요 ❐ 환자맞춤형 방사선치료계획과 임상 빅 데이터를 기반으로 방사선 치료 부작용 및 치료효과를 예측하고, 기계 학습의 알고리즘을 적용하여 환자의 독성 결과를 기반으로 한 방사선치료 안전성을 향상 시킬 수 있음. 이에 본 연구에서는 빅 데이터 기반의 암 환자 맞춤형 방사선치료계획 예측솔루션(SMART-RT)을 개발 하고자 함. ❐ 방사선치료 전 치료예후 관련정보와 방사선치료부작용 등에 대한 임상프로토콜(RTOG, AJCC, etc.)과 임상데이터(Paper 등의 비정형 데이터)의 Big-data를 정규화하고, 이를 머신러닝/딥 러닝 알고리듬을 통하여 규격화함으로써 방사선치료 부작용 예측 솔루션을 개발함. ❐ 예측 모델링을 탑재한 통합 UI 및 예후 인자 분석을 위한 통합 모듈의 디버깅 및 임상환자 사례를 적용하여 검증하고, 기존 방사선 치료독성 (Radiation therapy toxicity)의 정보와 비교하여 최적의 솔루션으로 보완 및 밸리데이션 기술을 확보함. □ 연구 목표대비 연구결과 ❐ 1차년도 (2017년): 방사선치료계획 예측 솔루션과 정형/비정형 임상데이터 기술 획득 - 정형 임상데이터 획득 : DICOM RT 취합 (질환별/부작용별 환자 데이터, 두경부암, 폐암, 전립선암 1,000례) 수집 완료, 방사선부작용 독성 등급에 따른 프로토콜 적용, 선량제한인자 프로토콜 적용 - 비정형 임상데이터 획득 : 질환별, 부작용별 임상 논문 및 문헌 (5,000례) 취합 및 예후인자 결정 - 데이터 변환 : 텍스트 추출 및 패턴인식, 규격화 데이터베이스 완료 ❐ 2차년도 (2018년): 방사선치료계획 예측 솔루션과 데이터 마이닝 및 머신러닝 예측모델링 기술 획득 - 데이터 분석 모듈 개발 : 방사선부작용 프로토콜 적용, 선량제한인자 프로토콜 적용, 치료계획 평가 인자 적용, 분석 UI 구현 완료 - 데이터 마이닝 : 방사선부작용 DB 사전 제작, 방사선부작용 예측 DB 구축 완료 - 머신 러닝/딥 러닝 : 데이터의 Training, 방사선부작용 예측 DB 완성, 예후인자 결정 완료 ❐ 3차년도 (2019년): 방사선치료계획 예측 솔루션의 밸리데이션과 임상 적용 - 예측 솔루션 기술 개발 : Data Validation, AI 성능 Validation, Web 기반 다기관 임상테스트 완료 - 웹 기반 다기관 임상테스트 : 10개 기관 임상 테스트 수행, 커뮤니티 사이트 운영 완료 □ 연구개발결과의 중요성 ❐ 임상 빅 데이터와 방사선치료계획데이터를 통합적으로 분석 하여 환자 맞춤형으로 최적의 방사선치료계획 및 방사선치료부작용을 예측 및 결정할 수 있는 지원 솔루션이며, 다양한 물리적, 생물학적 분석과 함께 영상으로 확인할 수 있어 방사선치료부작용을 예측함으로써 방사선치료의 정확성을 높일 수 있음. ❐ 방사선치료부작용 예측 보조 소프트웨어의 평가 모듈, 의료영상 표준 플랫폼(DICOM RT), 시제품 개발 및 다기관 임상 커뮤니티 테스트를 통하여 임상에 적용 가능한 실질적 프로토콜 생성이 가능하여, 이는 근래에 사회적으로 대두되고 있는 이슈인 방사선치료 의료사고를 근본적으로 예방할 수 있어 방사선치료의 안전성을 확보할 수 있음. ❐ 방사선치료계획 예측 솔루션은 정형/비정형 데이터의 획득, 데이터 마이닝, 예측 알고리즘 분석 및 데이터 저장을 통한 통합적 예측 솔루션 기술을 포함함. 따라서 본 연구를 기점으로 임상 빅 데이터를 획득하는 동시에 분석 결과를 적용한 임상 부작용 데이터베이스가 확보되면, 국내 암환자들에 최적화된 프로토콜을 제작 할 수 있으며 이를 통하여 근본적인 선량 수치에 대한 오차를 줄이게 되는 매우 중요한 역할을 할 수 있음. 또한 클라우드 및 빅데이터 기반의 암 치료에 대한 임상적인 결과 예측이 가능한 통합 플랫폼이 산출되게 됨. (출처 : 연구결과 요약문 2p)
- 연구책임자 : 이석
- 주관연구기관 : 고려대학교
- 발행년도 : 20200300
- Keyword : 암;방사선치료계획;부작용예측;빅데이터;머신러닝;