HNSCCにおける頸髄リンパ節の機械学習ベースの分類:特徴選択最適化による放射線学的アプローチ

科学分野:

• 放射線科
• 腫瘍学
• 医学画像分析

背景:

• コンピュータートモグラフィー (CT) は,頭頸部状細胞癌 (HNSCC) のステージ決定に不可欠ですが,従来のリンパ節 (LN) の評価には敏感性が欠けている.
• CTにおける形態学的基準は主観的であり,早期の転移性疾患を見逃し,予後と治療計画に影響を与える可能性があります.

研究 の 目的:

• HNSCCにおけるLN分類精度を向上させるため,CT画像から定量的な特徴抽出のためにラジオミクスを活用する.
• LNの評価のための非侵襲的な方法を開発し,組織病理学への依存を減らす.

主な方法:

• 27人のHNSCC患者の234のLNsの分析で,ノードごとに120の放射性特徴を抽出しました.
• 機械学習モデル,機能選択,アンサンブルメソッドを含むハイパーパラメータの体系的な最適化.
• 特徴の減少と精度最適化のためのパレートフロント戦略の適用.

主要な成果:

• 最適な放射学モデルは,0. 90のバランスのとれた精度,0. 93のAUC,および0. 88のF1スコアを達成しました.
• 高性能は,選択された5つの放射性特性を使用して得られた.
• このモデルは5倍クロス検証で検証された.

結論:

• 開発された放射線学的アプローチは,HNSCCにおける非侵襲的なLN分類のための解釈可能で正確な方法を提供します.
• このテクニックは,HNSCCの管理を改善するために,臨床放射線学の実践に統合する大きな可能性を示しています.