すべてのMRI誘導融合前立腺生検において,体系的な生検は必須ですか? 機械学習の予測モデル

Omer Longo^1,2, Gil Raviv^1,3, Miki Haifler^1,2

¹Faculty of Medical and Health Sciences, Tel Aviv University, Tel Aviv 6997801, Israel.

Cancers

|February 13, 2026

まとめ

この研究では,高リスクの前立腺がんの検出のための標的生検と並行して,体系的な生検を必要とする患者を特定するための予測モデルを開発しました. このモデルは生検戦略の決定に役立ち,高い検出率を維持しながら有害事象を潜在的に軽減します.

科学分野:

泌尿器科泌尿器科とは
腫瘍学腫瘍学
メディカルイマージング (医学イメージング)

背景:

MRI/US融合生検は前立腺がんの診断に不可欠です.
システマティック・バイオプシーとターゲティング・バイオプシーの間で,高リスクの前立腺がんを区別することは,臨床的に有意義である.
予測モデルは,生検戦略と患者のアウトカムを最適化することができます.

研究の目的:

MRI/US融合バイオプシー中のシステマティックバイオプシーで,高リスクの前立腺がんの患者を特定するための予測モデルの開発と検証.
開発された予測モデルの臨床的有用性と変数の重要性を評価する.

主な方法:

529人の患者の臨床データと放射線データを用いて,極端なグラデーションの強化モデルを訓練し,テストしました.
前立腺の体積,PSA密度 (PSAD),患者の年齢,PSAを含む主要な予測要因が特定されました.
モデルのパフォーマンスは,ROC曲線分析と意思決定曲線分析を使用して評価されました.

主要な成果:

モデルはROC曲線の下の面積を0.82と,負の予測値0.92.9を達成しました.
患者の15.5%は,組織的な生検で検出された高リスクの前立腺癌でした.
このモデルは, 0 から 0.5.5 の間の値確率で臨床的利益を示した.

結論:

検証された予測モデルは,標的生検に加えて,体系的な生検を必要とする患者を正確に特定することができます.
このモデルは,前立腺生検の範囲に関する臨床的意思決定に役立ちます.
このモデルを実装することで,有害事象を軽減し,高いがん検出率を維持することができます.

キーワード:

バイオプシー・バイオプシーがんがんがんがんがんがんがん合合合合合合合合合合合合合合合合合合合合合機械学習 (Machine Learning) とは,機械学習 (Machine Learning) とは,機械学習 (Machine Learning) と呼ばれるものです.前立腺前立腺は,前立腺に系統的,体系的なシステムです.

さらに関連する動画