CTベースのディープラーニングモデルは、さらなる疾患のリスクが高い臨床ステージIAの非小細胞肺がん（NSCLC）患者を特定できることを研究者らが発見した。
韓国のソウル国立大学病院および医科大学のクォン・ジュンナ医師率いるチームが開発したモデルは、手術後2年での病気の再発を予測するための受信者手術曲線下面積（AUC）が0.86であることを実証した。 。 このグループの結果は、4月16日付けの『Radiology』誌に掲載された。
肺葉切除術は伝統的に早期肺がんの標準的な治療法であったが、新しい研究では葉下切除が効果的な代替手段になる可能性があることが示唆されたと著者らは指摘した。 しかし、現在、NSCLCの部分切除術を受けている患者のさらなる疾患のリスクを評価するツールはないと彼らは説明した。
「最近の臨床試験では、小さな末梢性非小細胞肺がん（NSCLC）腫瘍の場合、葉下切除術が葉切除術と同様に有効であり、生存率も同様である可能性があることが示された」と研究者らは書いている。 「しかし、区域切除術を受けている患者のさらなるリスク層別化は、現時点では限られています。」
この問題に対処するために、Na 氏のグループは、2010 年 1 月から 2010 年 1 月までに区域切除術を受けた臨床期 IA の NSCLC (腫瘍の大きさ 3 cm 以下) 患者のリスク層別化のため、術前 CT スキャンのデータと臨床情報および放射線学的情報を使用した深層学習モデルを開発し、検証しました。 2017年12月。チームは、受信者動作特性曲線下面積（AUC）、感度、2年と4年での再発がないことの特異度、4年と6年での肺がん特異的生存率と全生存率を用いてモデルの性能を分析した。 また、モデルの感度と特異度を日本臨床腫瘍グループ (JCOG) の脳葉下切除術の適格基準と比較しました。
チームは次のことを発見しました。
NSCLC の部分切除術を受けた患者におけるさらなる疾患のリスクを予測するための CT ベースの深層学習モデルのパフォーマンス 処置後 2 年間の再発の有無を測定する AUC 0.86 感度 87.4% 特異度 66.7%
さらに、研究者らは、このモデルは再発の有無に関して、JCOG 基準よりも高い感度 (37.6% に対して 87.4% (p = 0.02)) と同様の特異性を示したと報告しました。
」[The] CTベースの深層学習モデルは、部分切除術を受けた臨床ステージIAの非小細胞肺がん患者の中でリスクの高い患者を特定し、葉下切除術の臨床試験適格基準と比較して再発および/または死亡の感度が高いことを実証した」と研究者らは結論付けた。 。
完全な研究結果を見つけることができます ここ。
1713299271
#CTベースの深層学習により肺がんのさらなるリスクがある患者を特定
2024-04-16 20:18:31