[¹⁸F]FDG PET/CTテクスチャー分析と侵襲性乳がんと診断された患者の進行のない生存率との関連

科学分野:

• 腫瘍学
• 放射線科
• 医療用イメージング

背景:

• 乳がんは女性のがん死亡の主な原因です.
• 医学画像の質感分析は 乳がんを含む様々な癌の 予後情報を提供します

研究 の 目的:

• 2-デオキシ-2[18F]フッ素-D-グルコースポジトロン放出トモグラフィー (PET) /コンピュータトモグラフィーと侵襲性乳がん患者の疾患進行との関連を調べる.
• 進行性生存 (PFS) のためのTFの予測能力を評価する.

主な方法:

• 112人の浸潤性乳がん患者のPET画像から質感特性を抽出しました.
• ランダムフォレスト,ナイヴ・ベイズ,ニューラルネットワークを含む機械学習 (ML) モデルは,1年,3年,5年のPFSを予測するために使用されました.
• 選択されたTFは,最小絶対収縮と選択オペレーターの回帰を使用して精製され,次元性を削減し,オーバーフィッティングを防止しました.

主要な成果:

• TFのみを使用した機械学習モデルは,1年,3年,5年のPFSを予測するために顕著なAUC値を達成しました (例えば,ナイヴ・ベイズ:0.857,0.804,0.843).
• TFと臨床病理学的パラメータを組み合わせたモデルでは,最も低いAUC値はそれぞれ1年,3年,および5年のPFSで0. 867,0. 898,0. 867に達した.
• この研究は,統合されたモデルが単一のTFよりも予測力を高めることを強調した.

結論:

• PET由来TFと臨床パラメータを組み込んだ機械学習モデルは,疾患の進行を予測するのに有望である.
• これらのモデルは,侵襲性乳がん患者の治療前の予後を助けます.
• この発見は,パーソナライズされた乳がん管理における質感分析の重要な役割を示唆しています.