頭頸部がんにおけるローコ地域制御のための深層学習による18F-FDG PET/CTデルタバイオマーカーの外部検証

科学分野:

• 腫瘍学
• 医療用イメージング
• 人工知能

背景:

• 頭頸部がんのパーソナライズされたフォローアップには 腫瘍負荷の変化を反映したバイオマーカーが必要です
• これらのバイオマーカーの手動画像セグメンテーションは時間がかかり,臨床的有用性を制限します.
• ディープラーニングは 腫瘍の容積を 自動で評価するための 潜在的な解決策を提供します

研究 の 目的:

• 連続PET/CTスキャンによる腫瘍体積変化の自動決定のためのディープラーニングモデルを外部で評価する.
• AIによる体積変化に基づく局域的結果による頭頸がん患者の分層化.
• PET/CTフォローアップにおけるAI主導の腫瘍セグメンテーションの臨床的実現可能性を評価する.

主な方法:

• 外部で開発されたディープラーニングアルゴリズムは,50人の頭頸部がん患者の放射線治療前と後のPET/CTスキャンに適用されました.
• AIによる腫瘍容量の変化 (ΔPET- GTV) を計算した.
• カプラン・メイヤー分析では,二分化 ΔPET-GTV による局域制御を評価した.

主要な成果:

• 高い ΔPET- GTV (より大きな腫瘍収縮) は,ロコ地域制御の改善と有意に関連していた (p=0. 02).
• 2年間の地域対照群は,高ΔPET-GTV群で94. 1%,低ΔPET-GTV群で53. 6%でした.
• 臨床医のレビューでは,AIは78%のケースで計画に適していると判断され,AIは2つのケースでプライマリーを特定しました.

結論:

• ディープラーニングによる ΔPET-GTV は,治療後の状態の臨床的に有意義な評価を提供します.
• このAIアプローチは,PET/CTのフォローアップにおいて,手動セグメンテーションに代わるスケーラブルな代替手段を提供します.
• 自動化された腫瘍容積分析は,頭頸部がん患者のリスク分層化に役立ちます.