子宮内膜がんにおけるマイクロサテライトの不安定性を予測する新しいモデル: ディープラーニング-パトミクスとMRIベースのラジオミクスを統合する

科学分野:

• 腫瘍学
• 放射線科
• 病理学について

背景:

• マイクロサテライトの不安定性 (MSI) は子宮内膜がん (EC) の重要なバイオマーカーである.
• 治療決定を導くために,MSIステータスの正確な予測は不可欠です.
• MSIを検出する現在の方法は侵襲的で時間がかかります.

研究 の 目的:

• ディープラーニングパソラジオミクスモデル (DLPRM) の開発と検証
• 子宮内膜がん (EC) の患者の微小衛星不安定 (MSI) 状態を予測する.
• マルチパラメトリックMRI (mpMRI) と全スライド画像 (WSIs) を非侵襲的なMSI予測に使用する.

主な方法:

• 訓練 (96) と検証 (40) のセットに分けられたEC患者136人を対象とした遡及研究が実施された.
• ディープラーニング (ResNet50) は,T2WI,DWI,APの配列からパトミック特性を抽出した.
• 多層感知器 (MLP) は,ROC,精度,感度,特異性,PPV,NPV,F1スコアを使用して検証されたDLPRMに放射線学および病理学機能を統合した.

主要な成果:

• 放射線と病理のサインを組み合わせたDLPRMは,MSI状態を予測する上で高いパフォーマンスを示しました.
• DLPRMはトレーニングセットでは0. 960で,検証セットでは0. 917のAUCを達成しました.
• 決定曲線分析は,DLPRMの有意な臨床的利益を示した.

結論:

• DLPRMは,治療前の病原放射線画像を用いて,EC患者のMSI状態を効果的に予測します.
• このモデルは高度な精度と信頼性を備えており,個別化されたEC管理のための新しいツールを提供します.
• このアプローチは,臨床医がEC患者の治療戦略を最適化するのに役立ちます.