Prediction of the Therapeutic Response to Neoadjuvant Chemotherapy for Rectal Cancer Using a Deep Learning Model

https://doi.org/10.23922/jarc.2024-085

和訳版Abstract	直腸癌の術前化学療法(NAC)の最適化のために、深層学習を用いた非侵襲的NAC治療効果予測モデルの構築を目的とした。5施設でSOXによるNAC+TMEを施行した直腸癌57例を対象とし、規約に則り組織学的治療効果を判定、32例(56.1%)を非奏効(Grade 0-1a)、25例(43.9%)を奏効(1b-3)に分類し予測を試みた。NAC前CTの腫瘍部よりパッチを抽出し、49例で学習検証データを作成、ニューラルネットワークと3分割交差検証で予測モデルを構築した。残る8例でテストデータを作成し予測能を評価した。学習検証データでは感度97.3%、特異度95.7%、AUC0.994(95％CI: 0.991-0.997)、テストデータでも特異度89.9％、AUC0.846(95％CI: 0.817-0.875)と良好な精度を示した。非侵襲的かつ高精度なSOX-NAC治療効果予測法を深層学習により構築した。

和訳版Abstract

直腸癌の術前化学療法(NAC)の最適化のために、深層学習を用いた非侵襲的NAC治療効果予測モデルの構築を目的とした。5施設でSOXによるNAC+TMEを施行した直腸癌57例を対象とし、規約に則り組織学的治療効果を判定、32例(56.1%)を非奏効(Grade 0-1a)、25例(43.9%)を奏効(1b-3)に分類し予測を試みた。NAC前CTの腫瘍部よりパッチを抽出し、49例で学習検証データを作成、ニューラルネットワークと3分割交差検証で予測モデルを構築した。残る8例でテストデータを作成し予測能を評価した。学習検証データでは感度97.3%、特異度95.7%、AUC0.994(95％CI: 0.991-0.997)、テストデータでも特異度89.9％、AUC0.846(95％CI: 0.817-0.875)と良好な精度を示した。非侵襲的かつ高精度なSOX-NAC治療効果予測法を深層学習により構築した。

|<< « Prev 275 274 [273] 272 271 Next » >>|