転移性前立腺がんにおけるPSMA PETイメージングを用いたゲノム変化予測のための放射線ゲノミクスベースの機械学習モデル：パイロットスタディ

科学分野:

• 腫瘍学
• 放射線学
• ゲノミクス
• 機械学習

背景:

• ゲノム特性評価は、転移性前立腺がん（mPCa）の精密腫瘍学にとって重要です。
• mPCa患者には、ゲノム変化を予測するための非侵襲的な方法が必要です。

研究 の 目的:

• PSMA PETイメージングからの機械学習（ML）と放射線ゲノミクスおよび臨床データの使用の実現可能性を評価すること。
• mPCa患者における主要なゲノム変異を非侵襲的に予測すること。

主な方法:

• [18F]PSMA-1007 PET/CTイメージングを有する14例のmPCa患者の後ろ向き解析。
• 前立腺および転移性病変からの放射線ゲノミクス特徴量の抽出。
• ゲノム変化（TP53、TMPRSS2、PTEN、その他）を予測するための特徴選択と交差検証を用いた6つのMLアルゴリズムの適用。

主要な成果:

• 臨床-放射線ゲノミクスMLモデルは、一般的な変異に対して高い予測精度を示しました。
• TP53で91.11%、TMPRSS2で84.44%、PTENで80.00%、その他の変異で77.78%のAUCを達成しました。
• 選択された特徴は、モデル実行全体で一貫した安定性を示しました。

結論:

• PSMA PETイメージングからの放射線ゲノミクスおよび臨床データを統合したMLモデルは、mPCaにおける実行可能なゲノム変化の予測に有望です。
• この放射線ゲノミクスアプローチは、分子プロファイリングと治療決定のための補完的な非侵襲的ツールとして機能します。
• これらのモデルを臨床実践で検証および実装するには、さらなる研究が必要です。