CT放射学と機械学習を使用して,大腸直腸肝臓転移の1年後の再発を予測する

科学分野:

• 放射線科
• 腫瘍学
• 機械学習

背景:

• 大腸がんの早期転移は生存率の低下と関連しています.
• 高リスク患者の正確な予測は 適切な介入に不可欠です

研究 の 目的:

• CRLMの早期再発を予測するための機械学習モデルを開発し,検証する.
• 再発リスクに関連する主要な臨床的および放射線学的特徴を特定する.

主な方法:

• 197人のCRLM患者のCT画像から993の放射性特徴を抽出しました.
• ランダム・フォレストと エクストリーム・ランダム・ツリーを含む 8つの機械学習モデルを訓練しました
• 再発を予測するための曲線下の面積 (AUC) を用いてモデルの性能を評価する.

主要な成果:

• 極度にランダム化されたツリーでは,放射性特性を用いてのみ,AUC 0. 9667を達成した.
• 臨床データと放射線学的データを組み合わせたランダムフォレストモデルは,最高AUCを0. 9672で示した.
• すべてのモデルは,両方の機能タイプを統合したときにパフォーマンスを改善しました.

結論:

• 臨床データと放射線データを統合したCTベースのランダムフォレストモデルは,早期のCRLMの再発を効果的に予測します.
• この予測モデルは 手術後の監視戦略を 個別化できます
• サンプルサイズや単一センターの設計などの研究制限のため,さらに多中心の検証が必要である.