子宮内膜がんのグレードを予測するための統合型子宮内膜がんおよび子宮内膜がん放射線モデル

科学分野:

• 放射線科
• 腫瘍学
• 医療用イメージング

背景:

• 腫瘍の精密な手術前評価は子宮内膜がん (EC) の管理に不可欠です.
• 現在の方法は侵入的かもしれないし,ECの分類に精度がないかもしれない.
• ラジオミクスは腫瘍の特徴化に 有望な非侵襲的アプローチを提供します

研究 の 目的:

• 子宮内膜がん (EC) の組織学的グレードを予測する際に,腫瘍内膜がんおよび腫瘍周放射学的モデルの有効性を評価する.
• 異なる放射性特徴抽出方法の診断性能を比較する.
• 予測の精度を高めるための融合モデルを開発する.

主な方法:

• トレーニングとテストのコホートに分割された107人のEC患者の遡及分析.
• T2重量とコントラスト強化MRIを用いた腫瘍内および腫瘍周領域からの放射性特徴の抽出.
• 腫瘍内,腫瘍周 (RT),融合放射性モデルの開発と比較.

主要な成果:

• 3mmの拡張 (RT- 3) による腫瘍周放射学モデルでは,高い診断性能 (AUC 0. 934まで) が示された.
• 腫瘍内および腫瘍周の特徴を組み合わせた融合モデルでは,低グレードのECと高グレードのECを区別する上で最も高い精度 (AUCは0. 955まで) を達成した.
• 放射性モデルでは,EC 組織学的グレードを予測する大きな可能性が示されました.

結論:

• 腫瘍内および腫瘍周領域の両方を含むMRIの放射性分析は,EC組織学的グレードを予測するのに有効です.
• この非侵襲的なアプローチは,EC患者の手術前臨床管理の決定に役立ちます.
• 核融合モデルは,正確なEC格付けのための優れた性能を示しています.