アキシラーリンパ節の多種分類のための超音波と臨床特性を統合した解釈可能な放射学モデル
Yin Zheng1, Chen Chen2, Hongwei You3
1The Second School of Clinical Medicine, Zhejiang Chinese Medical University, Hangzhou, Zhejiang, China; Department of Diagnostic Ultrasound Imaging & Interventional Therapy, Zhejiang Cancer Hospital, Hangzhou, Zhejiang, China.
Ultrasound in medicine & biology
|August 31, 2025
まとめ
新しいAIモデルであるALNIPは,超音波を用いて帯リンパ節 (ALN) の病変を正確に分類します. このツールは非侵襲的な診断を助け 腫瘍の段階と治療決定を改善し 患者の治療結果を改善します
科学分野:
- 放射線科
- 人工知能
- 腫瘍学
背景:
- 帯リンパ節 (ALN) の正確な分類は,がんのステージと治療に不可欠です.
- 放射線科医による現在の超音波解釈は,良性,転移性がん,リンパ腫の区別に限界があります.
- 精密な手術前のALNの評価には,改善された診断ツールが必要です.
研究 の 目的:
- アキシラーリンパ節解釈可能な予測 (ALNIP) モデルを開発し,検証する.
- 超音波と臨床データを用いてALNを良性癌,転移性癌,リンパ腫に分類する.
- ALNIPモデルの性能と放射線科医の評価を比較する.
主な方法:
- 1480人のALNを対象とした多センター遡及研究.
- ElasticNetの回帰を用いて超音波画像から放射線特性の抽出と選択
- 複数のデータセットで検証された放射線学と臨床変数を統合したALNIPモデルの開発.
主要な成果:
- ロジスティック・ラジオミクスモデルは0. 835のMicroAUCを達成しました.
- ALNIPモデルは,0. 924 (テストセット),0. 905 (外部検証1),0. 853 (外部検証2) のマイクロAUCで高い性能を示した.
- ALNIPモデルはすべての経験レベルの放射線科医を大幅に上回りました
結論:
- ALNIPモデルは,手術前のALN状態を予測するための信頼できる解釈可能な方法を提供します.
- これは非侵襲的な診断,特に超音波で ALN に挑戦する重要な可能性を示しています.
- このモデルは臨床的意思決定に役立ち,腫瘍のステージと治療戦略に影響を与えます.
