腸内および腸外超音波放射学に基づく解釈可能な機械学習により,パピラリ甲状腺がんにおける中枢リンパ節転移を予測する

科学分野:

• 腫瘍学 腫瘍学
• 放射線学 放射線学
• 人工知能 (AI) とは,人工知能 (AI) のことです.

背景:

• パピラ性甲状腺癌 (PTC) は中央リンパ節 (CLNM) に転移することがあります.
• CLNMの正確な術前予測は,効果的な治療計画に不可欠です.

研究 の 目的:

• PTCにおけるCLNMを予測するための機械学習 (ML) モデルを開発および検証.
• 臨床,超音波 (米国),放射線学的機能を統合して,予測の精度を向上させる.
• SHAPLEY ADDITIVE EXPLANATIONS (SHAP) をモデル解釈性のために使用する.

主な方法:

• 879人のPTC患者の遡及的分析.
• intratumoralおよびperitumoral領域から放射学シグネチャの抽出.
• 臨床,米国,放射線学的特徴 (Radscore) を含む5つのMLモデルの開発.
• ROC曲線,DCA,および校正グラフを用いた評価;解釈可能性のためのSHAP.

主要な成果:

• 最高の性能のMLモデル (XGBoost) は,トレーニングセットで0.868のAUC,テストセットで0.787のAUCを達成しました.
• クリニカル,US,およびラジオミクスを統合した組み合わせモデルは,単一の特徴タイプに基づいたモデルを上回る機能を持っています.
• SHAP分析では,腫瘍内および3mmの腫瘍周領域からのラッドスコアを主要な予測指標として特定しました.

結論:

• 米国に拠点を置く腫瘍内および腫瘍周放射学機能は,PTCにおけるCLNMの予測に有望を示しています.
• SHAP分析を統合することで,モデルの透明性が向上し,個別化された治療決定をサポートします.