超音波ベースのディープラーニングラジオミクスノモグラム (DLRN) モデルは、化学療法後の乳がん患者の腫瘍の状態とリンパ節転移を予測する研究で優れた結果を示しました。
中国の広州中医薬大学第二付属病院のSheng-Chun Shu博士率いる研究者らによると、8月24日に学術放射線学誌に掲載されたこの研究では、DLRNモデルが高い受信動作曲線（ROC）値を示し、この分野で中程度の一貫性を示したことがわかったという。
「この融合モデルは患者の予後も予測できるため、臨床医がより良い臨床判断を下すのに役立つ可能性がある」とシュウ氏らは書いている。
術前化学療法の効果を予測する能力は、乳がん患者の長期的な健康転帰にとって重要です。放射線学の研究者は、より優れた予測のためにさまざまな方法を研究しており、これまでの研究では AI が有望な結果をもたらしています。
シュウ氏と共著者らは、彼らの知る限り、患者の化学療法に対する腫瘍の反応や腋窩リンパ節の状態を評価するために、ディープラーニングの特徴、放射線学的特徴、臨床的特徴の組み合わせを評価するデータが不足していると指摘した。
彼らは文献に追加し、前述の機能を組み合わせた超音波ベースの融合モデルの実現可能性を調査しました。チームは、生存分析に Cox 回帰モデルを使用して、融合アルゴリズムの有効性を検証し、臨床使用を促進しようとしました。
この研究には、2014年から2022年の間に化学療法を受けた乳がん患者243人から収集された遡及的データが含まれています。女性全体のうち、194人がトレーニングコホートに、43人がテストコホートに配置されました。
Grad-CAM に基づく特徴ヒートマップ。正確に予測された 4 人の患者について、対応する超音波画像に重ね合わせたカラーコード ヒートマップが表示されています。(a、d) ヒートマップは、病理学的完全奏効またはリンパ節転移のない患者の腫瘍内領域を強調表示しています。(b、c) ヒートマップは、非完全奏効または転移のある患者の腫瘍周囲組織を強調表示しています。画像は、クリエイティブ コモンズ ライセンス (CC BY-NC-ND 4.0) に基づいて再公開されています。画像提供: Academic Radiology (Elsevier)。
DLRN 融合モデルを作成するために、チームは ResNet50、ResNet101、および DenseNet201 モデルを使用して、ディープラーニングの各フレームの結果とそれに対応する確率を予測しました。ラジオミクスの場合、チームはサポートベクターマシン、AdaBoost、Multi-Layer Perception、XGBoost、および LightGBM を含む複数の機械学習モデルの予測結果を融合しました。
このモデルは、トレーニング コホートとテスト コホートの両方で良好なパフォーマンスを発揮し、トレーニング コホートではほぼ完璧な ROC 曲線値を示しました。
腫瘍の状態とリンパ節転移を予測するための DLRN 融合モデルの性能、ROC で評価（1 を基準として） 予測尺度 トレーニングコホート テストコホート 腫瘍の状態 0.984 0.892 リンパ節転移 0.985 0.87
ノモグラムは、トレーニング コホートでは一貫性指数 0.761、テスト コホートでは一貫性指数 0.731 も達成しました。
最後に、カプラン・マイヤー生存曲線は、高リスク乳がん患者の全生存率が低リスクとみなされる女性よりも有意に低いことを示した（p
研究著者らは、この研究結果が、このモデルが乳がん患者の個別予測に有用であることを示していると強調した。
「臨床医が患者の生存リスクをより正確に評価できれば、適切な治療法を選択できる可能性が高くなる」と研究者らは記している。
著者らは、今後の研究では、乳がん患者のより大規模なデータベースの構築、より多くの臨床的要因の統合、予測モデルのさらなる改善、および多施設共同研究の実施に重点を置くと付け加えた。
完全な調査結果は以下でご覧いただけます。 ここ。
1724703893
#超音波ベースのモデルは乳がんの状態を予測するのに優れている
2024-08-26 20:18:20