前立腺がんにおける2.5D深層学習モデルを用いた再発予測とリスク層別化の最適化：多施設MRIベース研究

科学分野:

• 医用画像
• 人工知能
• 腫瘍学

背景:

• 手術後の前立腺がん（PCa）再発は、臨床上の大きな課題です。
• 生化学的再発（BCR）の正確な予測は、患者管理に不可欠です。
• 現在の予測手法は、精度向上のために強化が必要です。

研究 の 目的:

• 前立腺がん（PCa）におけるBCRの術前予測のための深層学習融合（DLF）モデルの開発と検証。
• リスク層別化のためのDLFモデルの能力の評価。
• 既存の臨床モデルおよび機械学習モデルに対するDLFモデルの性能の比較。

主な方法:

• マルチパラメータMRI（mpMRI）データ（T2WI、ADC、DWI、CE-T1WI）を使用したTransformerベースの深層学習（DL）モデルを開発しました。
• DLFモデルは、DLスコアと臨床変数を統合しました。
• 923人のPCa患者コホートで、ROC曲線、DeLong検定、DCA、および較正曲線を使用して性能を評価しました。

主要な成果:

• DLFモデルは、AUC 0.938（内部検証）および0.935（外部テストセット）で高い予測性能を達成しました。
• DLFモデルは、臨床モデル（CAPRA、Clinical）および他の機械学習モデルを大幅に上回りました。
• DLFモデルは、患者をハイリスクおよびローリスクグループに効果的に層別化し、有意な予後差を示しました。

結論:

• 開発されたDLFモデルは、PCaにおける術後早期再発予測に強力な可能性を示しています。
• このAI主導のアプローチは、個別化治療と監視のためのハイリスク患者の特定に役立ちます。
• DLFモデルは、前立腺がん管理戦略の最適化に価値あるツールを提供します。