文献

J-GLOBAL ID：201802261890488474   整理番号：18A1002136

教師付き機械学習を用いた肝細胞癌の動脈内治療に対する治療反応の予測-人工知能概念【JST・京大機械翻訳】

Predicting Treatment Response to Intra-arterial Therapies for Hepatocellular Carcinoma with the Use of Supervised Machine Learning-An Artificial Intelligence Concept

著者 (11件)： Abajian Aaron (Department of Radiology and Biomedical Imaging, Yale School of Medicine, 333 Cedar Street, New Haven, CT 06520) ,  Murali Nikitha (Department of Radiology and Biomedical Imaging, Yale School of Medicine, 333 Cedar Street, New Haven, CT 06520) ,  Savic Lynn Jeanette (Department of Radiology and Biomedical Imaging, Yale School of Medicine, 333 Cedar Street, New Haven, CT 06520) ,  Savic Lynn Jeanette (Department of Diagnostic and Interventional Radiology, Universitaetsmedizin Charite Berlin, Berlin, Germany) ,  Laage-Gaupp Fabian Max (Department of Radiology and Biomedical Imaging, Yale School of Medicine, 333 Cedar Street, New Haven, CT 06520) ,  Nezami Nariman (Department of Radiology and Biomedical Imaging, Yale School of Medicine, 333 Cedar Street, New Haven, CT 06520) ,  Duncan James S. (Department of Biomedical Engineering, Yale School of Engineering and Applied Science, New Haven, Connecticut) ,  Schlachter Todd (Department of Radiology and Biomedical Imaging, Yale School of Medicine, 333 Cedar Street, New Haven, CT 06520) ,  Lin MingDe (Philips Research North America, Cambridge, Massachusetts) ,  Geschwind Jean-Francois (Prescience Labs, Westport, Connecticut) ,  Chapiro Julius (Department of Radiology and Biomedical Imaging, Yale School of Medicine, 333 Cedar Street, New Haven, CT 06520)
資料名： Journal of Vascular and Interventional Radiology  (Journal of Vascular and Interventional Radiology)
巻： 29  号： 6  ページ： 850-857.e1  発行年： 2018年 
JST資料番号： W3248A  ISSN： 1051-0443  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 磁気共鳴(MR)イメージングと臨床患者データを用いて,機械学習(ML)技術を適用することによる経動脈化学塞栓術の治療成績の予測のための人工知能(AI)フレームワークを作成する。本研究は,経動脈化学塞栓術で治療された肝細胞癌(HCC)患者36名を含んだ。コホート(年齢62±8.9歳;男性31名;男性13名,東部協力腫瘍24名,ステージ1,ステージB,ステージA,ステージB,ステージB,腫瘍サイズ5.2±3.0cm,腫瘍サイズ5.2±1.1,腫瘍サイズ5.2±3.0cm,薬物溶出塞栓剤6名,腫瘍サイズ5.2±3.0cm,腫瘍サイズ5.2±1.1,腫瘍サイズ5.2±3.0cm;腫瘍サイズ5.2±1.1;腫瘍サイズ5.2±3.0cm;腫瘍サイズ5.2±1.1)。MR画像を経動脈化学塞栓術の前と1か月後に得た。経動脈化学塞栓術に対する画像に基づく腫瘍反応を,肝臓(qEASL)基準の研究のために3D定量的ヨーロッパ協会を用いて評価した。臨床情報,ベースライン画像,および治療的特徴を用いてロジスティック回帰(LR)およびランダムフォレスト(RF)モデルを訓練し,qEASL応答基準下で治療応答者または非応答者として患者を予測した。各モデルの性能を,leave-one-out交差検証を用いて検証した。LRとRFモデルの両方は,経動脈化学塞栓療法応答を78%(感度62.5%,特異度82.1%,陽性予測値50.0%,陰性予測値88.5%)の全体的精度で予測した。治療反応の最も強い予測因子は,臨床的変数(肝硬変の存在)とイメージング変数(相対的腫瘍信号強度>27.0)を含んだ。HCC患者における経動脈化学塞栓術結果は,臨床患者データとベースラインMR画像をAIおよびML技術の使用と組み合わせることにより,術前に予測される可能性がある。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： NMRイメージング ,  腫瘍 ,  肝硬変 ,  塞栓症 ,  画像処理 ,  画像 ,  患者 ,  *動脈 ,  *機械学習 ,  *肝細胞癌 ,  男性 ,  *予測 ,  *治療法 ,  三次元
準シソーラス用語： 腫瘍サイズ , 【Automatic Indexing@JST】

分類 (1件)： 消化器の腫よう  (GH04000D)

タイトルに関連する用語 (8件)： 教師付き機械学習 ,  肝細胞癌 ,  動脈 ,  治療 ,  治療反応 ,  予測 ,  人工知能 ,  概念