このページは機械翻訳されています。他のページは英語で表示される場合があります。 View in English

コントラスト強化CTによる肝細胞がんにおけるマクロトラベキュラ・マッシブサブタイプ:深層学習は機械学習を上回る

Lulu Jia ¹, Zeyan Li ², Gang Huang ³

⁰The First Clinical Medical College of Lanzhou University, Lanzhou, China.

Insights Into Imaging +

|

2025年8月28日

PubMedで要約を見る

まとめ

新しいディープラーニングモデルは,CTスキャンを使用して,肝細胞がん (HCC) のマクロトラベキュラ・マッシブ (MTM) サブタイプを正確に予測します. この高度なツールは伝統的な機械学習を上回り HCC患者の臨床決定とパーソナライズされた治療に役立ちます

科学分野

放射線科と医学画像
医療における人工知能
腫瘍学

背景

肝細胞癌 (HCC) は,予後と治療に影響を与える異なるサブタイプを持つ主発性肝癌です.
マクロトラベキュラ・マッシブ (MTM) のようなHCCの正確な非侵襲的なサブタイプは,効果的な臨床管理に不可欠です.
現在の診断方法は侵襲的な処置を必要とし,先進的なイメージングベースの予測ツールの必要性を強調しています.

研究の目的

HCCのMTMサブタイプをコントラスト強化コンピュータトモグラフィ (CT) 画像を使用して予測するためのディープラーニング (DL) モデルを開発および検証.
開発されたDLモデルの診断性能を従来の機械学習 (ML) モデルとベースラインDLアプローチと比較する.
臨床パラメータをDLモデルと統合して,MTMサブタイプの予測を向上させる可能性を検討する.

主な方法

2つの医療センターで368人のHCC患者のコントラスト強化CTデータを遡及的に収集した.
ResNet-50アーキテクチャに基づく新しいDLネットワーク,ResNet-ViTコントラスティブラーニング (RVCL) の開発.
性能評価のための受信機操作特性曲線 (AUC) 以下の面積を使用して,RVCLとベースラインDLおよびMLモデルの比較分析.

主要な成果

RVCLモデルは,外部のテストセットでMTMサブタイプ予測の優れたAUC0. 93を達成し,ベースラインDL (AUC0. 46- 0. 72) とMLモデル (AUC0. 49- 0. 60) を大幅に上回りました.
アルファフェトプロテイン (AFP) をRVCLモデルと統合した結果,診断性能は統計的に有意に改善されなかった.
RVCLモデルはMTMサブタイプを非侵襲的に予測する上で高い精度を示しています.

結論

RVCLのディープラーニングモデルと組み合わせたコントラスト強化CTは,HCCのMTMサブタイプを予測するための正確な方法を提供します.
RVCLモデルは,HCCのサブタイプ化における従来のML技術に比べて,著しく進歩しています.
このAI主導のアプローチは,臨床的意思決定に有用なツールを提供し,HCC管理におけるパーソナライズされた治療戦略を導くことができます.

キーワード:

CT ディープラーニング肝細胞がんマクロトラベキュラ・マッシブ亜型