乳がんにおける病理学的完全奏効を予測する縦断的MRIベースの深層学習モデル：多施設共同後ろ向きコホート研究

科学分野:

• 放射線学および医用画像処理
• 医療における人工知能
• 腫瘍学

背景:

• 術前化学療法の反応の早期予測は、乳がん治療を個別化するために不可欠です。
• 現在の方法では、動的な腫瘍変化の評価のために縦断的データを十分に活用できない可能性があります。

研究 の 目的:

• NATに対する病理学的完全奏効（pCR）を予測するための、新しい自己教師あり縦断学習フレームワーク（BSTNet）を開発および検証すること。
• BSTNetの多施設コホートおよび多様な分子サブタイプにわたる一般化可能性とパフォーマンスを評価すること。

主な方法:

• 1339人の患者から得られた縦断的MRIデータに自己教師あり縦断学習フレームワーク（BSTNet）を利用しました。
• 多施設での内部および外部検証戦略を採用しました。
• 分子サブタイプおよびMRIタイミングに基づくサブグループ分析を実施しました。

主要な成果:

• BSTNetは、AUC 0.882（内部）および0.857-0.854（外部検証）で高い予測パフォーマンスを達成しました。分子サブタイプ（AUC 0.818-0.895）全体で一貫したパフォーマンスが観察されました。モデルは、pCR以外の患者を特定する上で堅牢な特異性（74.5％-86.4％）を示しました。

結論:

• BSTNetは、乳がんにおける早期pCR予測のための堅牢で一般化可能な深層学習ソリューションを提供します。
• 可変的な縦断的MRIデータを解釈するフレームワークの能力は、臨床実践における適応的治療計画をサポートします。