腎臓細胞がんにおける同期転移リスクの評価のためのMRIベースの生息地放射学:多センター研究

科学分野:

• 放射線学と医療イメージング
• 腫瘍学 腫瘍学
• 医療における人工知能

背景:

• 腎臓細胞癌 (RCC) は,がんに関連する死亡率の重要な原因です.
• 転移状態の正確な評価は,RCCにおける治療決定を導くために極めて重要です.
• RCCの転移をステージ化するための現在の方法は,侵襲的または制限がある可能性があります.

研究 の 目的:

• RCCの転移状態の評価のためのMRIベースの生息地放射学的効果を評価する.
• ハビタット放射学モデルのパフォーマンスを全腫瘍モデルと比較する.
• 放射線学と臨床指標を統合した組み合わせモデルを開発し,検証する.

主な方法:

• 4つのセンターから241人のRCC患者の遡及的分析.
• MRIの特徴に基づいた15の生息地サブリージョンにプライマリ病変の分割.
• 腫瘍全体と生息地サブリージョンから放射性特性の抽出.
• 機械学習モデルの開発と,臨床と放射学モデルの組み合わせ.
• 内部および外部テストセットを用いた検証.

主要な成果:

• ハビタット・ラジオミックスのモデルは,一般に,転移評価のAUCにおいて,全腫瘍モデルを上回った.
• RLNのサイズを統合した組み合わせモデルでは,生息地のみまたは臨床モデルと比較して優れたパフォーマンスを示しました.
• 組み合わせられたモデルは,高いAUC (0.88内部,0.89外部) を達成し,転移を独立して識別することができました.
• パフォーマンスは,さまざまな病理学的なサブタイプで一貫していました.

結論:

• MRIベースの生息地放射学は,RCCの転移状態を評価するための有望な非侵襲的アプローチを提供します.
• 放射線特性を臨床指標と統合することで,転移の検出の精度が向上します.
• このアプローチは,RCC患者のより正確なステージ分類とパーソナライズされた治療計画に役立ちます.