マルチモダルポジトロン放出トモグラフィー/コンピュータトモグラフィー 放射線学 グラウンドグラスノードルにおける侵入性肺腺癌の術前予測のための臨床モデルと組み合わせた

科学分野:

• 放射線科
• 腫瘍学
• 医療用イメージング

背景:

• 侵襲性アデノカルシノーマ (IAC) と非侵襲性グランドグラス結節 (GGNs) を区別することは,早期の肺がんの治療において極めて重要です.
• パーソナライズされた手術の意思決定には 手術前のリスクの精密な分層化が不可欠です

研究 の 目的:

• IACと非侵襲的なGGNを区別するための予測モデルを開発し,検証する.
• ¹⁸F-フッ素酸化グルコースの陽子放出トモグラフィー/コンピュータトモグラフィー (¹⁸F-FDG PET/CT) を臨床データと統合して,診断能力を向上させる.

主な方法:

• 164人の肺腺癌患者のF-FDG PET/CT画像から放射性特徴の抽出.
• CT,PET,PET/CT放射学,臨床的要因,および組み合わせたアプローチを含む予測モデル (SVM,RF,XGBoost) の構築と評価
• ROC曲線,DCA,校正曲線,デロングのテスト,NRI,IDIを用いた性能評価

主要な成果:

• PET/CT放射学と臨床データを統合したモデルは,最も高い診断性能を達成した (AUC: 0. 950 訓練, 0. 911 試験).
• このマルチモダルのモデルは優れたIDIとNRIを示し,臨床モデルを大幅に上回りました.
• 個別化されたリスクの階層化のための臨床ノモグラムが開発されました.

結論:

• 臨床モデルとPET/CT放射学を統合することで,GGN侵襲性の術前予測が有意に改善されます.
• マルチモダルの画像データは,早期の肺腺がんの術前リスクの階層化と個別化された手術の意思決定に役立ちます.