文献

J-GLOBAL ID：202002218667918992   整理番号：20A2192235

胃癌患者における全生存のための深層学習リスク予測モデル:多施設研究【JST・京大機械翻訳】

A deep learning risk prediction model for overall survival in patients with gastric cancer: A multicenter study

著者 (20件)： Zhang Liwen (School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China) ,  Zhang Liwen (CAS Key Laboratory of Molecular Imaging, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Dong Di (School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China) ,  Dong Di (CAS Key Laboratory of Molecular Imaging, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Zhang Wenjuan (Department of Radiology, Lanzhou University Second Hospital, Lanzhou, China) ,  Zhang Wenjuan (Key Laboratory of Medical Imaging of Gansu Province, Lanzhou, China) ,  Hao Xiaohan (CAS Key Laboratory of Molecular Imaging, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Fang Mengjie (School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China) ,  Fang Mengjie (CAS Key Laboratory of Molecular Imaging, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Wang Shuo (CAS Key Laboratory of Molecular Imaging, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Wang Shuo (Beijing Advanced Innovation Center for Big Data-Based Precision Medicine, School of Medicine, Beihang University, Beijing, China) ,  Li Wuchao (Department of Radiology, Guizhou Provincial People’s Hospital, Guiyang, China) ,  Liu Zaiyi (Department of Radiology, Guangdong General Hospital, Guangzhou, China) ,  Wang Rongpin (Department of Radiology, Guizhou Provincial People’s Hospital, Guiyang, China) ,  Zhou Junlin (Department of Radiology, Lanzhou University Second Hospital, Lanzhou, China) ,  Zhou Junlin (Key Laboratory of Medical Imaging of Gansu Province, Lanzhou, China) ,  Tian Jie (CAS Key Laboratory of Molecular Imaging, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Tian Jie (Beijing Advanced Innovation Center for Big Data-Based Precision Medicine, School of Medicine, Beihang University, Beijing, China) ,  Tian Jie (Key Laboratory of Big Data-Based Precision Medicine (Beihang University), Ministry of Industry and Information Technology, Beijing, China) ,  Tian Jie (Engineering Research Center of Molecular and Neuro Imaging of Ministry of Education, School of Life Science and Technology, Xidian University, Xi’an, China)
資料名： Radiotherapy and Oncology  (Radiotherapy and Oncology)
巻： 150  ページ： 73-80  発行年： 2020年 
JST資料番号： W3151A  ISSN： 0167-8140  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： 全体の生存(OS)のリスク予測は,治療プログラムを評価し,個別化医療を誘導するため,胃癌(GC)患者にとって重要である。コンピュータ断層撮影(CT)画像に基づくOSのリスクを予測するために,新しい深層学習(DL)モデルを提案した。訓練コホート(センター1とセンター2,n=518)と外部検証コホート(センター3,n=122)に分けた3つの独立したセンターから640人の患者を後向きに収集した。残留畳込みニューラルネットワークのアーキテクチャに基づくDLモデルを開発した。画像変換によって訓練データセットのサイズを拡大し,過剰適合を避けた。また,比較のためのラジノミクスと臨床モデルを開発した。3つのモデルの性能を包括的に評価した。合計518人の患者を,データ増強によって準備し,DLモデルに供給した。訓練されたDLモデルは,訓練コホート(P値<0.001,一致指数(C-インデックス):0.82,ハザード比(HR):9.79)および外部検証コホート(P値<0.001,C-インデックス:0.78,HR:11.76)において,患者を高リスクおよび低リスク群へと有意に分類した(P値<0.001,一致指数(C指数):0.82,ハザード比(HR):9.79)および外部検証コホート(P値<0.001,C指数:0.78,HR:11.76)。選択した24の特徴を用いてラジオミクスモデルを開発し,臨床モデルを3つの有意な臨床変数(P値<0.05)で開発した。比較は,DLモデルが,C指数(訓練:DL対臨床対ラジオミクス=0.82対0.73対0.66;外部検証:0.78対0.71対0.72)に従って,OSのリスク予測に対して最良の性能を有することを示した。DLモデルはリスク評価のための強力なモデルであり,GC患者における意思決定のための個別化推薦者として役立つ可能性がある。Copyright 2020 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： 意思決定 ,  母集団 ,  画像変換 ,  計算機アーキテクチャ ,  *胃腫瘍 ,  治療計画 ,  計算機トモグラフィー ,  リスク評価 ,  個別化医療
準シソーラス用語： 訓練データ ,  *危険予測 ,  ハザード比 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 胃癌 ,  深層学習 ,  全生存 ,  個別化治療 ,  コンピュータ断層撮影

分類 (2件)： 腫ようの外科療法  (GE03033T) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (8件)： 胃 ,  癌患者 ,  生存 ,  深層学習 ,  リスク ,  予測モデル ,  施設 ,  研究