多インスタンス学習を組み合わせたCTベースのHabitat Radiomicsは,食道性状細胞がんにおけるネオアジュバント後リンパ節転移の早期予測に役立ちます

科学分野:

• 腫瘍学
• 放射線科
• 医療用イメージング

背景:

• ネオアジュバント療法 (NAT) の後のリンパ節転移 (LNM) の正確な予測は,食道状細胞癌 (ESCC) の治療最適化に不可欠である.
• 現在の方法では,NAT後のLNMを予測する精度が不足している可能性があります.

研究 の 目的:

• NAT後のESCC患者のLNMを予測するためのコンピュータ断層撮影 (CT) ベースの放射線モデルを開発し,検証する.
• 個別化された治療決定の指針としてのモデルのパフォーマンスを評価する.

主な方法:

• 訓練 (n=328) と試験 (n=141) のコホートに分割された469人のESCC患者の後回分析.
• 3つのシグネチャの開発:腫瘍生息地ベースの (Habitat_Rad),複数のインスタンス学習ベースの (MIL_Rad),および臨床放射線学的 (Clinic).
• 開発したシグネチャを統合した放射性ノモグラムの構築.

主要な成果:

• 訓練コホートではAUCが0. 929,試験コホートではAUCが0. 852であった.
• ノモグラムは個々のサインと比較して優れた性能を示した.
• 決定曲線の分析は,臨床的有用性を示す,有意な臨床的利益を確認した.

結論:

• 開発されたCTベースの放射性ノモグラムは,NAT後のESCC患者のLNMを予測する有望なツールです.
• このモデルはESCCの適時な治療調整とパーソナライズされた治療戦略に役立ちます.