頭頸部がんのアウトカム予測のための言語誘導型マルチモダルドメイン一般化

科学分野:

• 医学画像分析
• 腫瘍学における人工知能
• ドメインの一般化

背景:

• 頭頸部がんの再発の正確な予測は,医療画像データにおける領域のシフトによって妨げられています.
• 既存の領域の一般化方法は,組織化された臨床情報をしばしば無視しており,これは機関間の一貫性にとって極めて重要です.

研究 の 目的:

• 頭頸部がんの再発予測を改善するために,エンドツーエンドの言語ガイドドメイン汎用化 (LGMDG) メソッドを提案する.
• 画像と臨床データの両方を活用し,さまざまな医療機関でモデルの一般化を強化します.

主な方法:

• 言語ベースの臨床プロンプトを使用して言語主導の臨床ドメイン不変特征抽出モジュールを開発しました.
• 対照的に強化された3つの部門のマルチモダリティ分類ネットワークを導入しました.
• 多様式因数分解のバイリニアプーリングを活用し,結果予測とドメイン対抗学習とクロスモダルのアライメントを組み合わせた.

主要な成果:

• 6つのがんセンターで1つのドメインを省略した検証で,平均精度81. 04%とAUCの平均値76. 91%を達成した.
• 比較可能なモデル複雑さ (24.83M パラメータ, 17.36 GFLOP) の11の競合アプローチと比較して優れた汎用化性能を示した.

結論:

• 提案されたLGMDG方法は,マルチモダルのデータを統合することで,頭頸がんの再発予測におけるドメインシフトに効果的に取り組んでいます.
• LGMDGは,コードとモデルを公開して,臨床腫瘍学における堅牢で一般化可能なAIモデルを開発するための有望なアプローチを提供します.