乳がんにおける帯リンパ節転移の予測のための二重エネルギーコンピュータトモグラフィに基づく生息地イメージング

科学分野:

• 放射線科
• 腫瘍学
• 医療用イメージング

背景:

• ハビタット・クラスタリングを用いた腫瘍異質性の定量分析は,革新的な非侵襲的な方法を提供します.
• デュアルエネルギーコンピューティングトモグラフィー (DECT) は,腫瘍内空間異質性の詳細な特徴を可能にします.

研究 の 目的:

• DECTを使用して乳がんにおける腫瘍内空間的異質性を特徴付ける.
• 放射能学と比較して帯リンパ節 (ALN) 転移の予測における生息地イメージングの性能を評価する.

主な方法:

• 135人の患者がトレーニング/テストグループに割り当てられ,50人が検証グループに割り当てられました.
• ハビタット画像は,ヨウ素濃度マップのクラスター分析で特定された4つの腫瘍内亜領域を定量化することによって構築された.
• 放射線特性が抽出され,Borutaが選択に使用され,NRIとIDIを用いて性能が比較されました.

主要な成果:

• ハビタットイメージングでは,受容器の動作特性曲線 (AUC) 以下の面積が0.82 (訓練),0.80 (テスト),0.78 (検証) であった.
• 放射線学モデルでは,AUCは0. 78 (訓練),0. 70 (試験),0. 65 (検証) であった.
• ハビタットイメージングは,放射学よりも統計的に優れた予測性能を示した (P < 0. 05).

結論:

• 腫瘍内空間的異質性に基づいた生息地画像は,乳がんにおけるALN転移を予測することができます.
• このDECTによる生息地のイメージングアプローチは,ALNの転移を予測するために,放射学よりも優れています.