CTベースの解釈可能な機械学習による甲状腺結節の良性・悪性予測：多施設共同研究

科学分野:

• 放射線学;人工知能;腫瘍学

背景:

• 甲状腺結節は一般的であり、悪性度予測は臨床的な課題である。;適切な患者管理のためには、術前の正確な鑑別が不可欠である。

研究 の 目的:

• 甲状腺結節の悪性度予測のためのCTベースの解釈可能な機械学習モデルを開発・検証すること。;術前診断の精度を向上させ、臨床的意思決定を導くこと。

主な方法:

• 病理学的に確認された370の甲状腺結節の遡及的分析。;放射線スコア（Rad_Score）を作成するためのCT画像からの放射線特徴量の抽出。;ロジスティック回帰（LR）およびサポートベクターマシン（SVM）アルゴリズムを用いた臨床モデル、画像モデル、および統合モデル（臨床＋Rad_Score）の開発。;モデルの解釈可能性のためのSHAP分析。

主要な成果:

• LR統合モデルは高いAUC値（トレーニング0.962、内部検証0.913、外部検証0.914）を達成した。;統合モデルは、個々の臨床モデルおよび放射線モデルを上回った。;SHAP分析は、Rad_Scoreの重要性を強調し、モデルの透明性を高めた。

結論:

• LRを用いたCTベースの解釈可能な統合モデルは、術前の甲状腺結節の悪性度予測において優れた性能を示した。;この非侵襲的なツールは、良性と悪性の結節を鑑別するための効率的で透明性の高い方法を提供する。;このモデルは、甲状腺結節の個別化された臨床管理戦略を最適化する可能性を秘めている。