大腸がんにおける術後遠隔転移のリスク分層化のためのディープラーニングベースのマルチオミクスモデル

科学分野:

• 腫瘍学
• 医療用イメージング
• 人工知能

背景:

• 大腸がん (CRC) は,術後の遠隔転移 (DM) と生存率を予測する上で重要な課題となっています.
• 正確な予後は 治療戦略を調整し 患者の治療結果を改善するために不可欠です

研究 の 目的:

• CRC患者のDMを予測するためのディープラーニングベースのマルチオミクスモデルを開発し,検証する.
• 生存予測とリスクの階層化におけるこれらのモデルの有効性を評価する.

主な方法:

• 術前CTと術後の組織病理学的データを持つ521人のCRC患者の遡及分析.
• ResNet-101のバックボーンを使用したディープラーニング放射学 (DLRS) とディープラーニングパトミック (DLPS) モデルの開発.
• 放射線学的および病理学的特徴を予測とリスクの階層化のための2つのノモグラムモデルに統合する.

主要な成果:

• ディープラーニングモデル (DLRS,DLPS) は,DMの高い予測性能 (AUC > 0. 91) を達成した.
• 統合されたノモグラムモデルは,従来のモデルと比較して優れた精度 (AUC > 0. 93) を示した.
• ノモグラムは,Kaplan- Meier解析で3年無病生存期 (DFS) を効果的に分層化しました.

結論:

• ディープラーニングベースのマルチオミクスモデルは,CRCにおける術後のDMの予測に高い精度を提供します.
• ノモグラムモデルは,DFSの信頼性の高いリスクの階層化を提供し,CRC患者の臨床意思決定に役立ちます.