周辺肺がんにおける隠されたリンパ節転移を予測するための,腫瘍内および腫瘍周放射線特性を統合したCTベースの機械学習モデル

科学分野:

• 腫瘍学
• 放射線科
• 医療用イメージング

背景:

• 隠されたリンパ節転移 (OLNM) の正確な術前評価は,肺がんの治療決定に不可欠です.
• コンピュータートモグラフィー (CT) は,手術前評価の主要なイメージング方式です.

研究 の 目的:

• 肺がんにおけるOLNMを予測するためのCTベースの機械学習モデルの開発と検証.
• このモデルは,腫瘍内と腫瘍周辺の放射線特性を統合しています.

主な方法:

• 844人の周辺肺がん患者 (591人のトレーニング,253人の検証) の遡及分析.
• 総腫瘍容量 (GTV) と周周周腫瘍容量 (PTV3,PTV6,PTV9) から1688の放射線特性を抽出する.
• ロジスティック回帰を用いた臨床放射学モデルの開発,放射学シグネチャー,臨床因子 (CEA),CT特徴 (葉膜,腫瘍-膜関係) を含む.

主要な成果:

• PTV9の放射性信号は 優れた性能を示した
• 統合された臨床放射学モデルは,OLNMの予測において高い精度を達成した (AUC 0. 819 訓練,0. 801 検証).
• このモデルは,両方のコホートにおいて,臨床モデルのみを大幅に上回った.

結論:

• 開発された臨床放射学モデルは,OLNMの術前リスク評価のための非侵襲的なツールとして機能します.
• このアプローチは,肺がん患者の個別化された治療戦略をサポートします.