本研究では、肺癌症例の膨大な画像・手術・病理データを活用し、浸潤性・予後に関連する超高精細CT、MRI、PETによる新たなバイオマーカー構築を探索し、これらを統合的に解析することで早期肺癌の予後予測の精度向上、次世代の肺癌病期分類改訂に貢献することを目的としている。2019年11月より名古屋大学医学部附属病院に超高精細CTが導入され、肺癌症例の超高精細CTを収集中である。特にこれまでの画像診断では診断が難しかった胸壁浸潤癌について新たな知見が得られる見通しがついている。ただし胸壁浸潤癌の手術症例は数が少ないことから2022年3月まで症例収集を追加し、解析予定である。
またPET/CT、従来型高精細CT、マイクロCTについて画像・臨床データベースから抽出し、それらがTNM分類や予後に与える影響についてレトロスペクティブな解析を行っている。2021年3月からは当施設に呼吸同期撮影可能なPET/CTが導入され、さらなる診断能の向上が期待できる。
2021年度はDeep Learningを研究手法に取り入れ、5mm厚のcovnentional CT画像から0.6mm厚の高精細3次元CT画像を再構成する人工知能(AI)を開発した。このAIを使うと原発性肺癌のTNM分類のT因子に採用されている充実成分径について、空間分解能の低い5mm厚のCT画像においても高精細CT並みに計測できることが明らかになり、第13回呼吸機能イメージング研究会および欧州放射線学会(ECR 2022)にて発表した。本研究の原著論文について英文雑誌に投稿中である。