AI を活用した MRI 分析は、前立腺がんの予後に関する新たな洞察を提供し、転移リスクと治療結果を正確に予測して患者ケアを改善します。
勉強： マルチパラメトリック MRI からの AI 由来の腫瘍体積と限局性前立腺がんの転帰。画像クレジット: Shutterstock AI / Shutterstock.com
で発表された最近の研究では、 放射線科、研究者らは、人工知能（AI）ベースの磁気共鳴画像法（MRI）データを使用して前立腺内の腫瘍体積を測定することで、放射線科または手術で治療を受けた前立腺がん患者の転移リスクを含む転帰を予測できるかどうかを判断しています。
MRI の進歩により前立腺がんの検出と診断が変化
マルチパラメトリック MRI は、複数の MRI 技術を組み合わせて内部解剖学的構造の詳細な画像を作成します。この画像技術は、重要でない疾患の検出率を最小限に抑えながら、重篤な症例の検出を向上させることで、前立腺がんの管理を変革しました。 MRI ガイド下生検もがん診断の精度を大幅に向上させます。
MRI ではさまざまな前立腺がんの特徴が観察されます。その中には、前立腺画像報告およびデータ システム (PI-RADS) スコア、病変スコア、および前立腺内での腫瘍の広がりの程度を示す放射線学的 T ステージが含まれます。 。これらの特徴を分析すると、前立腺がんの潜在的な再発率を示すことができます。ただし、これらの特徴の評価は観察者によって異なります。さまざまな腫瘍の等級付けシステムは異なる精度に関連しており、それが診断の一貫性をさらに複雑にしています。
AI を使用すると、画像の一貫した分析が提供されるため、MRI の臨床的価値が高まる可能性があります。深層学習モデルに関する最近の研究では、前立腺内の腫瘍の輪郭を描くのに経験豊富な放射線科医と同等の精度レベルが示されています。
研究について
この後ろ向き研究には、根治的前立腺切除術または放射線療法を受ける前にMRIスキャンを受けた前立腺がん患者が含まれていました。患者データは医療記録から収集され、PI-RADS および National Comprehensive Cancer Network (NCCN) スコアに基づく腫瘍の分類を含む、臨床、病理学、および治療情報で構成されていました。
生化学的不全とは、根治的前立腺切除術や放射線療法などの治療後の前立腺特異抗原 (PSA) レベルの上昇です。現在の研究では、生化学的不全は、放射線療法の治療後の最低レベルを少なくとも 2 ng/mL 上回る PSA 濃度の増加、および根治的前立腺切除術の場合の臨床進行または PSA の少なくとも 0.1 ng/mL の増加として定義されました。 。
参照セグメンテーションは、泌尿生殖器放射線腫瘍医によって手動で作成され、並進領域や周辺領域などの前立腺領域と、PI-RADS スコア 3 ～ 5 の病変の輪郭が描かれました。
深層学習ベースのセグメンテーション手法である AI モデル nnU-Net は、さまざまな MRI シーケンスから前立腺領域と腫瘍の輪郭を描くようにトレーニングされました。次に、放射線療法を受けた患者の画像のサブグループを使用してモデルを検証した後、放射線療法グループと根治的前立腺切除術グループの両方からの画像でテストしました。その後、AI に基づいて腫瘍体積が計算され、手動セグメンテーションで生成された参照体積と比較されました。
統計分析では、連続変数とカテゴリデータについてそれぞれウィルコクソン順位和検定とフィッシャーの直接確率検定によって、相互検証グループと試験放射線療法グループ間のベースライン比較を実行しました。感度と陽性的中率は、腫瘍検出における AI モデルの精度を評価するために使用されました。
研究結果
AI モデル nnU-Net (VAI) によって生成されたセグメントから計算された前立腺内腫瘍の総体積は、放射線療法または根治的前立腺切除術を受けた限局性前立腺がん患者の転帰の独立した強力な予測因子でした。実際、AI によって予測された体積は転移や生化学的不全と有意に関連していました。
放射線療法グループの場合、VAI は従来のリスクグループと比較して 7 年転移の予測精度が高かった。さらに、VAI によって提供される予後情報は、手動参照セグメンテーションによる前立腺内腫瘍体積と同等であり、その結果の一貫性と患者の転帰を予測するツールとしての信頼性が示されました。 AI アルゴリズムは PI-RAD スコア 5 の病変を見逃すことがありましたが、VAI は臨床的に重大な疾患負荷に対して依然として敏感でした。
VAI を使用して転移を予測する nnU-Net の能力は、新たなゲノムまたは計算病理学バイオマーカーと同等かそれ以上でした。したがって、この AI ツールは、より個別化された、または積極的な治療アプローチを必要とする可能性のある患者を特定することにより、治療計画を改善する可能性があります。
結論
VAI は、患者が根治的前立腺切除術または放射線療法を受けた後の限局性前立腺がんの場合の予後を予測するための一貫した有望なアプローチであると考えられます。
さまざまな画像条件にわたる VAI の精度とその堅牢な予測能力は、従来の放射線医学的または臨床的予後予測方法の補足または代替としての可能性を強調しています。
参考雑誌:
- ヤン、DD、リー、LK、ジェームス、MGT、 他。 （2024年）。マルチパラメトリック MRI からの AI 由来の腫瘍体積と限局性前立腺がんの転帰。 放射線科 313(1); e240041。 土井:10.1148/radiol.240041。
#を活用した #MRI #で前立腺がんの転帰を予測