Radiomics-based Machine Learning Approach to Predict Chemotherapy Responses in Colorectal Liver Metastases

https://doi.org/10.23922/jarc.2024-077

和訳版Abstract	本研究では、CTテクスチャ解析と機械学習を組み合わせ、大腸癌肝転移 (CRLM)の一次化学療法効果を予測することを目的とした。化学療法を受けたCRLM150例を訓練(112例)・検証(38例)コホートに分割した。治療前の門脈相CTから個々の症例の最大肝転移巣を3次元で抽出して、それに対する107個のテクスチャパラメーターを算出した。RECIST1.1基準によりで治療効果(奏効、非奏効)を分類し、Boruta法により予測に優れたDependenceVarianceなど3種類のパラメーターを選択し、最終的にRandom Forestでモデルを構築した。その結果、機械学習モデルのAUCは訓練コホートで0.90、検証コホートで0.87と高精度を示した。CTラジオミクスを活用した機械学習はCRLMの化学療法の治療効果予測に有望な手法となる可能性が示唆された。

和訳版Abstract

本研究では、CTテクスチャ解析と機械学習を組み合わせ、大腸癌肝転移 (CRLM)の一次化学療法効果を予測することを目的とした。化学療法を受けたCRLM150例を訓練(112例)・検証(38例)コホートに分割した。治療前の門脈相CTから個々の症例の最大肝転移巣を3次元で抽出して、それに対する107個のテクスチャパラメーターを算出した。RECIST1.1基準によりで治療効果(奏効、非奏効)を分類し、Boruta法により予測に優れたDependenceVarianceなど3種類のパラメーターを選択し、最終的にRandom Forestでモデルを構築した。その結果、機械学習モデルのAUCは訓練コホートで0.90、検証コホートで0.87と高精度を示した。CTラジオミクスを活用した機械学習はCRLMの化学療法の治療効果予測に有望な手法となる可能性が示唆された。

|<< « Prev 267 266 [265] 264 263 Next » >>|