パピラー甲状腺がんにおける横側リンパ節転移の術前予測のための機械学習ベースのマルチモダル放射学モデルの適用と検証

科学分野:

• 腫瘍学
• 放射線科
• 医療情報工学

背景:

• 乳頭性甲状腺がん (PTC) はしばしば横側リンパ節 (LLNM) に転移し,再発および死亡率を増加させる.
• PTCにおけるLLNMの現在の診断方法は,誤診と二次手術の必要性につながる制限があります.
• LLNMの正確な術前予測は,効果的なPTC管理に不可欠です.

研究 の 目的:

• PTC患者における手術前のLLNMのためのマルチモダルの予測モデルを開発し,検証する.
• 臨床,超音波放射学,CT放射学機能を統合して,予測の精度を向上させる.
• 開発された予測モデルの臨床的有用性と解釈性を評価する.

主な方法:

• 799人のPTC患者の臨床データと画像 (超音波,CT) の遡及分析.
• 臨床データのロジスティック回帰と放射線学的特徴のLASSO回帰を用いた特徴の選択
• 4つの機械学習モデルの開発と比較,その性能と解釈性 (SHAP,LIME) により選択されたグラデントブースティングマシン (GBM).

主要な成果:

• 腫瘍の直径,多発性病変,上極の位置,単細胞数の減少,低リンパ細胞対単細胞比 (LMR) といった5つの独立した臨床リスク要因が特定されました.
• AUCは0. 973 (訓練),0. 803 (内部検証),0. 975 (外部検証) でした.
• LMRはSHAP分析によって最も重要な予測因子として特定され,モデルの解釈性を強調した.

結論:

• 開発されたGBMベースのマルチモダルモデルは,PTC患者のLLNMを手術前正確に予測します.
• この非侵襲的で解釈可能なツールは 個別化されたリスク評価を容易にし, 転移を逃す可能性と二次手術を減らすことができます.
• このモデルは,PTCの正確な治療決定と改善された管理戦略をサポートします.