ピクセルから予測へ:PETとPET/CTにおけるDLBCLのディープラーニングセグメンテーションのQUADAS-2-Guided体系的レビューとメタ解析

科学分野:

• メディカルイマージング (医学イメージング)
• 人工知能 (AI) とは,人工知能 (AI) のことです.
• 腫瘍学 腫瘍学

背景:

• PET/CTにおける分散型大B細胞リンパ腫 (DLBCL) の正確なセグメンテーションは,治療計画と応答評価において極めて重要です.
• 伝統的なセグメンテーション方法は,時間がかかり,観察者間の変動性に左右されます.
• ディープラーニング (DL) は,自動化され,正確な腫瘍の線引きの可能性を提供します.

研究 の 目的:

• PET/CTの自動化されたDLBCLセグメンテーションのためのDLモデルの性能と方法論的品質を体系的にレビューし,メタ分析する.
• セグメンテーションの精度に関する定量的データを合成し,適格な研究におけるバイアスのリスクを評価する.

主な方法:

• 2025年7月まで,包括的な文献検索が行われ,15件の適格な研究が特定されました.
• 11件の研究は,ランダム効果モデルを用いて定量合成を行い,ダイス類似度係数 (DSC) の値をまとめました.
• 4つの研究は定性的に評価され,方法論的な質はQUADAS-2ツールを使用して評価されました.

主要な成果:

• グループ化された平均DSCは0.809 (95%CI:0.791-0.827) で,全体的に強いセグメンテーションパフォーマンスを示した.
• 個別試験のDSC値は0.65から0.886.6の範囲でした.
• ほとんどの研究 (67-73%) はバイアスのリスクが低いと評価され,他の研究は中等または不明なリスクと評価されました.

結論:

• PET/CTにおけるDLBCLのDLベースの自動セグメンテーションは,信頼性の高い精度と臨床使用のための有望な可能性を示しています.
• 方法の多様性にもかかわらず,DLモデルは一貫して高セグメンテーション性能を達成しています.
• 将来の研究は,より大規模で多様なコホートと,一般化性と臨床適用性を高めるための報告の改善を優先すべきである.