原発性中枢神経系リンパ腫と成人型びまん性グリオーマの鑑別における複数の機械学習アルゴリズムの開発と検証：解釈可能で多施設共同研究

科学分野:

• 神経画像診断
• 腫瘍学
• 人工知能

背景:

• 原発性中枢神経系リンパ腫（PCNSL）と成人型びまん性グリオーマ（ADG）の正確な術前鑑別は、神経外科的介入を導く上で極めて重要である。
• 既存の診断方法では、これらの2つの病変の術前鑑別に限界がある可能性がある。

研究 の 目的:

• 解釈可能な磁気共鳴画像法（MRI）ベースの放射線ゲノミクス-臨床（Rad-Clinic）統合モデルを開発すること。
• 7つの機械学習アルゴリズムを用いてPCNSLとADGを鑑別すること。

主な方法:

• PCNSLとADGの患者165名を対象とした後ろ向き研究が2つの施設で実施された。
• 従来のMRIシーケンス（CET1WI、FLAIR、DWI、ADC）の放射線ゲノミクス特徴量が分析された。
• 放射線ゲノミクス特徴量と臨床パラメータを組み込んだRad-Clinic統合モデルが構築され、解釈性のためにSHapley Additive exPlanations（SHAP）が用いられた。

主要な成果:

• 放射線ゲノミクス-臨床統合モデルは高い診断性能を達成し、トレーニングコホートではAUC 0.973、外部検証コホートではAUC 0.940であった。
• 統合モデルは、PCNSLとADGの鑑別において、放射線ゲノミクスモデルと臨床モデルの両方を上回った。
• SHAP解析により特徴量の寄与に関する洞察が得られ、臨床応用のための視覚的な放射線ゲノムノモグラムが開発された。

結論:

• 解釈可能なRad-Clinic統合モデルは、PCNSLとADGの正確な術前鑑別を提供する。
• このモデルは、神経外科における臨床的意思決定を強化する可能性がある。