腸内パピラー粘膜性腫瘍の分類における主な臓管の役割を評価する:多構造放射学に基づく機械学習アプローチ

科学分野:

• 放射線学 放射線学
• 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:

• 腸内パピラー粘膜性腫瘍 (IPMNs) は,臓のシスタ性腫瘍である.
• IPMNの正確な分類は,患者の管理と予後を決定するために重要である.
• 高度/関連侵入性がん (HG/I) IPMNと低度 (LG) IPMNの区別は,従来のイメージングでは難しいことがあります.

研究 の 目的:

• IPMNの病理学的グレードを予測するためにCTスキャンから放射学的特徴の有用性を評価する.
• 臓キスタおよび主臓管から放射性物質の寄与を評価する.
• IPMNを高グレードまたは低グレードのカテゴリーに分類するために機械学習モデルを適用する.

主な方法:

• 病理学的にIPMNsが確認された274人の患者の術前CTスキャンを遡及的に分析した.
• 主要な臓管とキスタの手動セグメンテーション.
• シスタ,主管,またはその両方から放射学特性を利用した機械学習モデルをトレーニングする.
• 曲線下の面積 (AUC) と特徴の重要性に対するSHAP (SHapley Additive exPlanations) を用いてモデルのパフォーマンスを評価する.

主要な成果:

• 結合された放射学特性を利用したサポートベクトルマシンモデルは,AUC 0.85.8を達成しました.
• このモデルは,IPMN等級の分類において,90%の感度と60%の特異性を示した.
• SHAPの分析では,主臓管の放射性特性が最も有意な予測因子であることが示されました.

結論:

• 臓管やキスタのCTベースの放射学特性を統合することで,IPMNグレードの分類性能が向上します.
• 主要な臓管の放射線学的特徴は,IPMNグレードの最も有力な予測因子である.
• このアプローチは,非侵襲的なIPMN分類を改善する見込みを示しています.