肺がんにおける転移リスクを予測するために,半監督および特権学習による腫瘍および周周周部特性を用いた放射線学に基づくモデル:多部位研究

科学分野:

• 腫瘍学における放射線学と機械学習
• 医学画像分析
• 癌の転移を予測する

背景:

• 肺がんは世界中で がんによる死亡の主な原因です
• 転移の早期発見は患者の管理に不可欠ですが,依然として困難です.
• 既存の機械学習モデルはデータ不足と異質性により 限界に直面しています

研究 の 目的:

• 2年以内に肺がんの転移を予測するための一般化可能な放射線学に基づくモデルを開発する.
• 予測の精度を高めるために,監督,半監督,特権学習を統合する.
• 高リスクの肺がん患者の早期発見を 改善するためです

主な方法:

• 腫瘍と周囲の領域を含むCT画像から放射性特徴を抽出しました.
• 異なるCTベンダーからのデータの異質性に対処するために機能の調和を適用した.
• 機能選択,半監督,特権学習を含むサポートベクターマシン (SVM) モデルを開発した.
• 外部データセットでモデルのパフォーマンスを評価し,それを人間の専門家の予測と比較した.

主要な成果:

• 最適な腫瘍辺の分析は 3mmの内側と 3mmの外側を拡張した.
• 放射線学的特徴は,転移した患者の異質性を示した.
• 最終的なSVMモデルは 81.65%のバランスのとれた精度を達成し,人間の専門家を上回りました.
• 半監督と特権学習により モデルの特異性と感度が大幅に改善されました

結論:

• 臨床データと組み合わせた腫瘍縁の分析は,転移の危険性についての洞察を提供します.
• 統合学習技術は,転移の予測のためのSVMモデルのパフォーマンスを大幅に向上させます.
• 開発されたモデルは,転移のリスクのある肺がん患者の特定において有望である.
• モデルの一般化性と臨床的有用性を確認するためにさらなる検証が必要である.