研究課題情報
課題管理番号
25ck0106904h0002
統合プロジェクト(三期)

データ利活用・ライフコースプロジェクト

統合プロジェクト(二期)

疾患基礎研究プロジェクト<第二期>

事業名

革新的がん医療実用化研究事業

タグ(2025)

研究開発目的: 基礎医学研究

研究の性格: 疾患を特定した基礎医学研究<生命・病態解明研究>

研究モダリティ: in silico<データサイエンスやシミュレーション等>

ICD-10大分類: 新生物<腫瘍>

対象疾患領域: がん

特記的事項: DX<SaMD、AI、ICTを含む>

補足確認: 診断

タグ(2024)

研究開発目的: 基礎医学研究

研究の性格: 疾患を特定した基礎医学研究<生命・病態解明研究>

研究モダリティ: in silico<データサイエンスやシミュレーション等>

ICD-10大分類: 新生物<腫瘍>

対象疾患領域: がん

特記的事項: DX<SaMD、AI、ICTを含む>

補足確認: 診断

代表研究機関
国立大学法人東京大学
研究代表者

(2025) 石川俊平, 国立大学法人東京大学, 大学院医学系研究科 衛生学分野・教授

(2024) 石川俊平, 国立大学法人東京大学, 大学院医学系研究科 衛生学分野・教授

研究期間
2024年度 - 2026年度
課題への総配分額
49,400 千円
研究概要(2025)
令和7年度は、令和6年度に引き続き、独自に開発を進めてきたディープラーニングを用いた独自の病理組織画像エンコーダをさらに発展させる。具体的には、マルチモーダル学習の技術を用いて、H&E染色病理組織画像のテクスチャ情報に加えて、多様ながんゲノム病理学的情報を統合する新たなディープニューラルネットワークベースのエンコーダの開発を進める。さらに、開発したエンコーダの出力を用い、特徴空間での症例の経時的な変化をその連続性を保ったまま低次元空間に射影するトラジェクトリ解析技術を開発する。また、この技術を用いて、消化器がんの臨床情報と相関する因子の同定を目指すとともに、分子レベルの生物学的意義の検討を行う。
研究概要(2024)
令和6年度は、これまでの先行研究等に基づき、独自に開発してきたディープラーニングを用いた独自の病理組織画像エンコーダをさらに発展させる。具体的には、マルチモーダル学習技術を用いて、H&E染色病理組織画像のテクスチャ情報に加えて、多様ながんゲノム病理学的情報を統合する新たなディープニューラルネットワークベースのエンコーダの開発に取り組む。これに加えて、これまで構築してきたゲノム病理情報の集積体制を活用し、様々な消化器がんのゲノム病理情報を利用することで、上記のエンコーダの学習を進める。また、この技術を用いて、消化器がんの臨床情報と相関する因子の同定を目指すとともに、分子レベルの生物学的意義の検討を行う。
研究成果情報
2024