CT統合病態生理ガイド、臨床的因果認知主導の解釈可能な病変コンテキスト特性評価とリスク推論における肺MWA

科学分野:

• 医用画像処理;人工知能;腫瘍学

背景:

• 非小細胞肺癌（NSCLC）におけるマイクロ波アブレーション（MWA）合併症の正確な予測は、複雑な解剖学的構造のために困難です。臨床医は、単純な特徴ヒートマップを超えて、病態生理学に一致した意思決定根拠を必要とします。

研究 の 目的:

• コンセプトボトルネックと病変コンテキストグラフを使用したマルチタスク、注意機構強化フレームワークを検証すること。病変特性評価のための病態生理学的に一貫した、解釈可能な推論を提供すること。気胸、出血、および胸膜反応の下流予測をサポートすること。

主な方法:

• CTスキャンと専門家によるアノテーションを伴う184例のNSCLC-MWA症例の後ろ向き分析。マルチタスクヘッドを備えたマルチスケールクロススペーシャルアテンション強化3D U-Netの統合。コンセプトボトルネック層、メッセージパッシングを備えた病変コンテキストグラフ、および因果整合性評価スイートの導入。

主要な成果:

• 解剖学的セグメンテーション性能（Dice：腫瘍0.878、血管0.851、癒着0.863）およびマルチタスクAUC（0.903/0.871/0.847）を維持しました。画像特徴と合併症リスクとの間に、低い違反率で期待される因果関係を実証しました。対照的な編集は、症例の80%以上で方向の一貫したリスク変化を生み出しました。

結論:

• 画像特徴を追跡可能な因果フレームワークに変換することは、AIと臨床的認知を一致させます。ハイブリッドシステムは、解釈可能な病変コンテキスト診断と信頼性の高いリスク推論を提供します。このアプローチは、NSCLC MWAのAI信頼性と臨床的有用性を向上させます。