治療前のCT画像を用いた肝細胞癌患者の免疫療法反応の予測

科学分野:

• 放射線科
• 人工知能
• 腫瘍学

背景:

• 肝細胞癌 (HCC) の免疫療法に対する治療反応を予測することは,パーソナライズされた医療にとって不可欠です.
• 現行の方法では 応答者と非応答者を 特定するのに 精度が不足しています
• HCCにおける免疫療法の有効性を最適化するには,新しいアプローチが必要である.

研究 の 目的:

• HCCにおける免疫療法反応を予測するためのAI駆動型放射性モデルを開発し,検証する.
• 治療前のCTスキャンの特徴を用いて応答者と非応答者を区別する.
• 肝臓と腫瘍の放射能を組み合わせて 予測の改善の付加価値を評価する.

主な方法:

• 免疫療法を受けた55人のHCC患者 (2016年−2023年) の遡及分析.
• 治療前のCTスキャン (肝臓と活性の高い腫瘍) から5000以上の放射性特徴の抽出.
• 2つの機械学習モデルの開発 (肝臓のみ対肝臓と腫瘍)

主要な成果:

• モデル1 (肝臓の特徴) は77%の精度,76%の感度,78%の特異性を達成した.
• モデル2 (肝臓と腫瘍の特徴) は 86%の精度,70%の感度,そして94%の特異性で優れた性能を示した.
• 約100の放射性特徴が治療反応の予測として特定されました.

結論:

• CTによる放射性特性を利用したAIベースのモデルは,HCCにおける免疫療法反応を予測できます.
• 肝臓と腫瘍の放射能を組み合わせると 予測の精度が大幅に向上します
• この非侵襲的アプローチは,免疫療法を受けているHCC患者の個別化された治療計画に役立ちます.