2Dエコーカルディオグラフィー画像を用いた癌患者の化学療法後の心臓毒性の放射線学的早期評価

科学分野:

• 心臓病科
• 腫瘍学
• 人工知能

背景:

• 化学療法と放射線療法の重要な副作用である.
• 心臓の毒性の早期発見は,がん患者のアウトカムを管理するために不可欠です.
• 心拍の放射線分析は 心臓の機能を評価するための新しいアプローチを提供します.

研究 の 目的:

• 解釈可能な機械学習と放射線特性を用いて,化学療法を受けているがん患者の心臓毒性を予測する.
• 化学療法による心臓毒性を予測する重要な放射線学的特徴を特定する.
• ベースラインエコーカルディオグラフィから心臓毒性を検出する機械学習モデルのパフォーマンスを評価する.

主な方法:

• 100人の癌患者の発声回路画像から放射性特性を抽出しました.
• 12ヶ月のフォローアップに基づいて左心室排出分数 (EF) の減少として定義された心毒性.
• SHAPとPermFITを用いた機械学習モデル (KNN,SVM) を開発し,検証した.

主要な成果:

• 患者の41%が12ヶ月以内に心毒性を経験した.
• K-Nearest Neighbors (KNN) モデルは,ショートアシスビューで92%の精度を達成しました.
• サポートベクトルマシン (SVM) とKNNモデルは,短軸と4カ所のビューの両方に高い予測性能を示しました.

結論:

• エコーカルディオグラフィの放射線特性を利用した解釈可能な機械学習モデルは,心臓毒性を効果的に予測できます.
• 短軸エコーカーディオグラフィーと機械学習の組み合わせは,早期の心臓毒性診断に特に有望です.
• このアプローチは,化学療法を受けているがん患者の心臓の健康を積極的に管理するのに役立ちます.