アデノミオシスのHIFU治療に必要なエネルギー効率因子の機械学習ベースの予測分析

科学分野:

• 医療用イメージング
• 放射線科
• 腫瘍学

背景:

• アデノミオシスは,高強度焦点超音波 (HIFU) 剥離に挑戦します.
• エネルギー効率因子 (EEF) の正確な予測は,効果的なHIFU処理に不可欠です.
• EEF予測の現在の方法は,精度が不足している可能性があります.

研究 の 目的:

• T2重量画像 (T2WI) 放射学と臨床パラメータを統合した共同モデルを開発する.
• アデノミオシス患者におけるHIFUアブレーションのエネルギー効率因数 (EEF) を予測する.
• HIFUの投与戦略の精度を高めるため

主な方法:

• HIFU除去手術を受けた169人のアデノミオシス患者を遡及的に調査した.
• T2WI脂肪抑制 (T2WI-FS) 配列から放射線特性の抽出
• 選択された予測特性 (MRMRとLASSO) に基づく意思決定ツリーとランダムフォレストアルゴリズムを用いた共同モデルの開発.

主要な成果:

• 意思決定ツリーとランダムフォレストモデルは,EEFの予測能力を実証しました.
• 決定樹モデルでは平均絶対誤差 (MAE) が8.095に達し,ランダム森林モデルでは試験セットでMAEが8.231に達した.
• 統計的に有意な予測性能の差は,0. 768と0. 777の相関係数と0. 559と0. 549のR2係数で,モデル間で観察された (p < 0. 05).

結論:

• 開発された関節モデルは,アデノミオシスにおけるHIFUアブレーションのEEF値を効果的に予測します.
• この放射線学を統合したアプローチは,HIFU治療の最適化のための堅固な基盤を提供します.
• この発見は,HIFUの正確な投与により,アデノミオシスの管理における安全性と有効性の向上を裏付けています.