文献

J-GLOBAL ID：202002257953580558   整理番号：20A2469319

BRCA変異キャリアにおけるラジオミクスと機械学習によるMRI上のサブセンチメートル増強乳房腫瘤の改良特性評価【JST・京大機械翻訳】

Improved characterization of sub-centimeter enhancing breast masses on MRI with radiomics and machine learning in BRCA mutation carriers

著者 (13件)： Lo Gullo Roberto (Department of Radiology, Breast Imaging Service, Memorial Sloan Kettering Cancer Center, New York, NY, USA) ,  Daimiel Isaac (Department of Radiology, Breast Imaging Service, Memorial Sloan Kettering Cancer Center, New York, NY, USA) ,  Rossi Saccarelli Carolina (Department of Radiology, Breast Imaging Service, Memorial Sloan Kettering Cancer Center, New York, NY, USA) ,  Bitencourt Almir (Department of Radiology, Breast Imaging Service, Memorial Sloan Kettering Cancer Center, New York, NY, USA) ,  Gibbs Peter (Department of Radiology, Memorial Sloan Kettering Cancer Center, New York, NY, USA) ,  Fox Michael J. (Sloan Kettering Institute, Memorial Sloan Kettering Cancer Center, Mortimer B. Zuckerman Research Center, New York, NY, USA) ,  Thakur Sunitha B. (Department of Radiology, Breast Imaging Service, Memorial Sloan Kettering Cancer Center, New York, NY, USA) ,  Thakur Sunitha B. (Department of Medical Physics, Memorial Sloan Kettering Cancer Center, New York, NY, USA) ,  Martinez Danny F. (Department of Radiology, Breast Imaging Service, Memorial Sloan Kettering Cancer Center, New York, NY, USA) ,  Jochelson Maxine S. (Department of Radiology, Breast Imaging Service, Memorial Sloan Kettering Cancer Center, New York, NY, USA) ,  Morris Elizabeth A. (Department of Radiology, Breast Imaging Service, Memorial Sloan Kettering Cancer Center, New York, NY, USA) ,  Pinker Katja (Department of Radiology, Breast Imaging Service, Memorial Sloan Kettering Cancer Center, New York, NY, USA) ,  Pinker Katja (Department of Biomedical Imaging and Image-Guided Therapy, Molecular and Gender Imaging Service, Medical University of Vienna, Wien, Austria)
資料名： European Radiology  (European Radiology)
巻： 30  号： 12  ページ： 6721-6731  発行年： 2020年 
JST資料番号： W4351A  ISSN： 0938-7994  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 目的:サブセントメーター乳房腫瘤を有するBRCA陽性患者のMRIから抽出したラジノミクスの特徴が,モデルフリーパラメータマップを用いて悪性病変から良性を区別するための機械学習と結合できるかどうかを調査する。方法:この後ろ向き研究では,2013年11月から2019年2月までのMRIを有するBRCA陽性患者を,生検(BI-RADS4)または画像追跡(BI-RADS3)をサブセンチメーター病変に組み入れた。2人の放射線科医は,BI-RADSに従って,すべての病変を独立して,そしてコンセンサスにおいて評価した。ラジオミクス特徴をオープンソースCERRソフトウェアを用いて計算した。単変量解析および多変量モデリングを行い,良性病変から悪性を区別するための機械学習モデルに含まれる有意なラジノミクス特徴および臨床因子を同定した。結果:96のBRCA変異キャリア(生検=45.5±13.5歳で平均年齢)が含まれた。コンセンサスBI-RADS分類評価は,53.4%の診断精度,75%(30/40)の感度,42.1%(32/76)の特異性,40.5%(30/74)のPPV,および76.2%(32/42)のNPVを達成した。5つのパラメータ(年齢,病変位置,GLCMベース相関を前コントラスト相から,第1のポストコントラスト位相から1次変動係数,第1のポストコントラスト相からのSZMベースのグレーレベル分散)を組み合わせる機械学習モデルは,81.5%の診断精度,63.2%(24/38)の感度,91.4%(64/70)の特異度,80.0%(24/30)のPPV,および82.1%(64/78)のNPVを達成した。結論:機械学習と組み合わせたラジオミクス分析は,BRCA変異キャリアにおけるBI-RADS分類のみによる定性的形態学的評価と比較して,良性または悪性のサブセンチメートル乳房腫瘤を特徴付ける際に,MRIの診断精度を改善する。キーポイント:放射線医学と機械学習は,腫瘤が小さい場合であっても悪性乳房腫瘤から良性を区別することを助けることができ,形態学的特徴が良性で,形態学的特徴は,定性的形態学的評価のみと比較して,診断精度,特異性,PPV,およびNPVの改善を示した。Copyright The Author(s) 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コントラスト ,  位相 ,  ソフトウェア ,  放射線医学 ,  生検 ,  乳房腫瘍 ,  *機械学習 ,  モルフォロジー
準シソーラス用語： 後向き研究 ,  *腫瘤 ,  *乳房腫瘤 ,  単変量解析 ,  診断精度 ,  特異度 ,  特異性 , 【Automatic Indexing@JST】

著者キーワード (4件)： 機械学習 ,  乳房腫瘍 ,  人工知能 ,  磁気共鳴イメージング

分類 (1件)： 腫ようの診断  (GE03020J)

タイトルに関連する用語 (9件)： 変異 ,  キャリア ,  ラジオミクス ,  機械学習 ,  MRI ,  サブ ,  増強 ,  乳房腫瘤 ,  特性評価