肺癌予後予測のためのマルチモーダル臨床意思決定支援システムの活用による臨床医のパフォーマンス評価

科学分野:

• 腫瘍学
• 医用画像
• 人工知能

背景:

• 手術は早期肺癌の主要な治療法である。
• 術後の補助療法から恩恵を受ける患者を特定することは困難である。
• 正確な予後予測は、個別化された肺癌治療にとって極めて重要である。

研究 の 目的:

• 術後肺癌の予後予測のための臨床意思決定支援システム（CDSS）を開発すること。
• マルチモーダル深層学習モデル（DLM）をCDSSに統合すること。
• 臨床医の意思決定と信頼性に対するCDSSの影響を評価すること。

主な方法:

• 術前の医用画像および臨床、手術、病理データを使用して、マルチモーダル深層学習モデル（DLM）を開発した。
• DLMを外部検証した。
• 患者情報とDLMの結果を臨床医に提示するためにCDSSを作成した。
• 4人の腫瘍内科医が、CDSS-DLM情報の有無にかかわらず、患者の再発リスクと推奨を評価した。

主要な成果:

• DLMの洞察を組み込んだCDSSは、臨床医の予測パフォーマンスを向上させる可能性を示した。
• CDSS-DLM情報により、予後予測と治療推奨に関する臨床医の信頼性が向上した。
• 本研究は、肺癌のCDSS内での予後予測のためのマルチモーダルDLMの最初の統合を表す。

結論:

• 統合されたマルチモーダルDLMを備えた開発されたCDSSは、術後肺癌の予後予測を改善する可能性を示している。
• 臨床医の評価は、CDSSが予測精度と信頼性を向上させることができることを示唆している。
• この研究は、そのような統合システムの利用を開拓し、肺癌ケアにおける臨床医の受容を探求するものである。