我々は肺癌の放射線治療において、患者毎に肺機能に応じた正常肺への線量低減により重篤な副作用を低減する目的で、肺機能画像を用いたオーダーメイド放射線治療法の開発を行ってきた。今までは肺機能画像を取得するために追加検査が必要であり、かつその検査も容易に行う事ができなかった。そこで、我々は放射線治療予後予測研究に既に用いているradiomics技術に注目し、この技術を用いることで肺野内のCT値情報から膨大な高次元画像特徴量を抽出することができ、これまで不可能であったCT画像のみから局所的な換気能力の違いを捉えることができ、高精度な肺機能画像を簡便に作成することが可能ではないかという着想に至った。本研究では、そのradiomics技術とCT画像のみから肺機能画像を作成する手法の開発を行う。昨年度は、肺野内から膨大なradiomics特徴量を抽出できるプラットフォームを用いて、呼吸機能検査値と相関があるradiomics特徴量の探索および機械学習のモデルの最適化を行った。その中で、LASSOモデルを用いることで高い予測精度を達成できることがわかり、高い予測精度となるモデルを構築できた(AUC > 0.8).今年度得られた結果から、複数のradiomics特徴量を組み合わせることで高い精度で肺機能値を予測できることがわかり、radiomicsを使うことで医用画像のみから呼吸機能検査値を十分推定できる可能性を見出すことができた。