乳がんがCT放射能を用いたネオアジュバント化学療法への反応を先行的に予測する

科学分野:

• 医療用イメージング
• 腫瘍学
• 人工知能

背景:

• 新補助化学療法 (NAC) の反応は乳がんの予後にとても重要です.
• 現在の評価は 手術後の病状に 基づいており 治療への適応を遅らせています
• パーソナライズされた治療には,NACの治療前の反応を予測することが不可欠です.

研究 の 目的:

• 治療前のCTスキャンと臨床変数を統合した機械学習モデルを開発し,検証する.
• 乳がん患者におけるNACに対する病理的完全反応 (pCR) と臨床的反応の両方を予測する.
• 乳がんのパーソナライズされた管理のための治療効果の早期予測を改善する.

主な方法:

• 治療前のコントラスト強化CTスキャンから214の放射性特徴を抽出しました.
• 予測モデルに7つの臨床的変数を組み込みました.
• XGBoostベースのモデルを開発し,10の独立したデータパーティションで精度,AUC,および他のメトリックを使用してそのパフォーマンスを評価した.

主要な成果:

• 臨床と放射線学的モデルを組み合わせたモデルは,PCRと臨床的応答の予測の両方において,放射線学的または臨床的な特徴のみを使用したモデルを大幅に上回った.
• pCR分類では,複合モデルは82. 8%の精度と0. 846のAUCを達成した.
• 臨床反応の分類では,組合せモデルは71. 7%の精度とAUCの0. 725を達成した.

結論:

• CTによる放射性特性を臨床データと統合することで,乳がんにおけるネオアジュバント化学療法反応の予測が向上する.
• このアプローチにより 早期に個別化された治療決定ができます
• この発見は,乳がん治療戦略の最適化において,AI主導の画像分析の可能性を強調しています.