乳がん患者における深部病理学的完全応答の深部学習ベースの予測
Yu Liu1, Ying Wang2, Jiaxin Huang3
1Department of Ultrasound, Guangdong Provincial People's Hospital (Guangdong Academy of Medical Sciences), Southern Medical University, Guangzhou, 510080, China.
EBioMedicine
|August 28, 2025
まとめ
新しく開発されたiShapeモデルは,乳がん患者で neoadjuvantの治療を受けているときの,下肢リンパ節の状態を正確に予測します. このAIツールは 治療決定を改善し,不必要な帯リンパ節解剖を回避するのに役立ちます.
科学分野:
- 腫瘍学
- 医療用イメージング
- 人工知能
背景:
- 乳がん患者における頭手術の指針として,残留結節疾患の正確な評価は極めて重要です.
- 癌画像の現在のディープラーニングモデルには 解釈能力が欠けていて 臨床翻訳を妨げています
- 腫瘍の負荷を縦断的に追跡する 非侵襲的バイオマーカーの開発は 患者の管理を改善することができます
研究 の 目的:
- の病理学的完全な応答を予測するための解釈可能な情報共有型 (iShape) モデルを開発し,検証する.
- iShapeモデルの長方位原発腫瘍と帯リンパ節 (ALN) の超音波画像から学習する能力を評価する.
- 新補助療法 (NAT) を受けているALN陽性乳がん患者における頭手術の決定を導くためのiShapeモデルの可能性を評価する.
主な方法:
- NATを投与された,バイオプシーで証明されたALN陽性乳がん患者1135人を対象とした多中心の,遡及的研究が行われました.
- iShapeモデルは371人の患者で訓練され,3つの外部セット (295,244,225人の患者) で検証されました.
- モデル性能は,受容器操作特性曲線 (AUC) 以下の領域を使用して評価され,偽陰性率 (FNRs) は,センチネルリンパ節生検 (SLNB) と無しに評価されました.
主要な成果:
- iShapeモデルは,既存の臨床およびイメージングモデルを上回る,外部検証セットで高いAUC (0. 950- 0. 971) を達成しました.
- iShapeは,様々な患者サブグループと治療スケジュールで堅実なパフォーマンスを示しました.
- iShapeはSLNBのFNRを13. 4%から3. 6%に大幅に低下させ,帯リンパ節解剖の決定に役立ちました.
結論:
- IShapeモデルは,NATを受けた乳がん患者のALN状態を正確に定量化するのに優れた性能を示しています.
- このAIによるアプローチは 治療決定をパーソナライズし,不必要な帯リンパ節解剖を減らす可能性があります
- 特徴視覚化とRNAシーケンシングは,iShapeモデルの意思決定プロセスと生物学的基盤の洞察を提供しました.
