RegGANベースのコントラストフリーCTは食道がんの評価を向上させる:自動腫瘍セグメンテーションとTステージの多センター検証

科学分野:

• 医療用イメージング
• 人工知能
• 腫瘍学

背景:

• コントラスト強化コンピュータトモグラフィー (CECT) は食道がん (EC) のステージ決定に不可欠ですが,ヨウ素アレルギーまたは腎機能不全の患者にリスクがあります.
• ディープラーニング (DL) は,非コントラストCT (NCCT) からCECTを合成し,ヨウ素なしのステージ化を可能にします.

研究 の 目的:

• ヨーデンのないEC T段階化のためのNCCTからCECT (Syn-CECT) を合成するためのDLフレームワーク,RegGANを開発し,検証する.
• 腫瘍のセグメンテーションとT段階の診断におけるSyn-CECTの診断性能を,従来の方法と臨床医の性能と比較して評価する.

主な方法:

• 遡及的な多センター試験には,EC患者1,092人が参加した.
• RegGANは,NCCTからSyn-CECTを合成するために,登録と対抗訓練を統合しました.
• 腫瘍のセグメンテーションはCSSNetを使用し,Tステージ化は放射性と深層の特徴を組み合わせた二重経路DLモデルを使用した.

主要な成果:

• RegGANが合成したSyn-CECTの品質は,実際のCECTに匹敵する (SSIM=0. 7723).
• CSSNetは正確な腫瘍セグメンテーション (Dice=0. 89) を達成し,DLステージングモデルは高い診断性能を示しました (AUC=0. 789 - 0. 8360)
• Syn-CECTによる臨床医の診断の精度が向上した (AUC増加~0. 1,p<0. 01).

結論:

• RegGANフレームワークは,正確なヨウ素のないECセグメンテーションとT段階を可能にし,コントラスト剤の必要性を排除します.
• このアプローチは,コントラスト媒体の kontraindicationsを持つ患者にとって,安全で費用対効果の高い代替手段を提供します.
• DLフレームワークは診断の一貫性を高め 資源の限られた環境で変革の可能性を秘めています