MRIとプロテオミクスを統合することによって,LARCにおけるNAC応答のディープラーニングベースのマルチモダル予測

科学分野:

• 腫瘍学
• 放射線科
• プロテオミクス
• 人工知能

背景:

• 局所的に進行した直腸がん (LARC) は,ネオアジュバント化学療法 (NAC) に対して様々な反応を示し,治療の遅延と反応しない患者に対する毒性をもたらします.
• 現在のMRIとプロテオミクスの方法は,単一モデルの性質のため,予測の精度と生物学的洞察が限られています.
• プロテオミクスの分子データとMRIの空間情報を統合することは 予測の改善に不可欠です

研究 の 目的:

• LARCにおけるNAC応答を予測するためのMRIとプロテオミクスを統合したマルチモダルのディープラーニングの枠組みを開発し,検証する.
• パーソナライズされた治療選択のための単一モデルのアプローチを超えて予測の精度を高める.
• NAC応答に関連した重要なイメージングと分子特性を特定する.

主な方法:

• NACで治療された274人のLARC患者集団を分析した.
• ディープラーニングのフレームワークは,プロテオミクスのグラフニューラルネットワーク (経路とネットワークを含む) とMRI T2WIの3D ResNetを組み合わせた.
• ライトGBM分類器は,欠けている値のゼロインプテーションを使用して,臨床特性のマルチモデルのデータを統合しました.

主要な成果:

• 統合されたマルチモダルモデルは,試験セットのAUC 0. 828でNAC応答の優れた予測を達成しました.
• マルチモダルのアプローチは,単一モダルのMRI (ΔAUC +0.109) とプロテオミクス (ΔAUC +0.125) モデルを大幅に上回った.
• 周周腫瘍構造の異質性に関連するMRI特性は,10の特定された化学抵抗性タンパク質と共に,主要な予測因子であった.

結論:

• 新しいMRI-プロテオミクスの深層学習フレームワークは,LARCにおけるNAC応答を正確に予測します.
• この統合的アプローチは,単一モデルの方法と比較して,予測能力と生物学的洞察力を向上させています.
• このフレームワークは,LARCの管理における個別化された治療戦略と臓器保存をサポートします.