メラノーマにおけるセンチネルリンパ節転移を予測する深層学習・臨床ノモグラムハイブリッド
Minh-Khang Le1, Masataka Kawai1, Tetsuo Kondo1
1Department of Pathology, University of Yamanashi, Yamanashi, Japan.
Journal of the European Academy of Dermatology and Venereology : JEADV
|September 3, 2025
まとめ
新しいハイブリッドモデルであるMISSLEは ヒストパトロジーと臨床データを用いて メラノーマがリンパ節に転移することを正確に予測します このツールは,侵入性メラノーマ患者のセンチネルリンパ節生検に関する決定に役立ちます.
科学分野:
- 腫瘍学
- コンピューター病理学
- 医療情報学
背景:
- メラノーマは危険な皮膚がんで リンパ節への転移が 重要な予後指標です
- メラノーマにおけるセンチネルリンパ節転移 (SLNM) の予測は,患者の管理に不可欠ですが,計算的方法を使用して十分に調査されていません.
- 既存の機械とディープラーニングのモデルは メラノーマの診断に 焦点を当てています SLNMの予測に 焦点を当てていません
研究 の 目的:
- 侵襲性メラノーマにおけるSLNMを予測するために,組織病理学と臨床データを統合した協調的な機械とディープラーニングモデルを開発する.
- センチネルリンパ節生検 (SLNB) に関する臨床的意思決定を強化する.
主な方法:
- 78件の侵襲性メラノーマのH&E染色した全スライド画像を使用して,クラスタリング限定注意力複数のインスタンス学習 (CLAM) モデルを開発しました.
- ResNet50エンコーダー (CLAM-R50) を使用し,臨床ノモグラムと統合しました.
- ロジスティック回帰,SVM,グラデーションブーストを用いたハイブリッドモデルを作成し,センチネルリンパ節評価のためのメラノマ指標スコア (MISSLE) と命名した.
主要な成果:
- CLAM- R50はAUROC0. 875を達成し,臨床ノモグラムは0. 826を達成した.
- MISSLEハイブリッドモデルは,テストセットでAUROC0.950で優れたパフォーマンスを示しました.
- 注意マップは,SLNM状態に関連した特定の細胞特性を特定しました.
結論:
- MISSLEは,以前よりも優れた精度でSLNMを予測するために,組織病理学的および臨床データを効果的に統合します.
- このモデルは,メラノーマの管理における臨床的意思決定の貴重なツールとして機能します.
- 単一センターとコホートでの制限のため,多様なコホートでの将来の検証が必要である.
