抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
目的;前立腺の磁気共鳴拡散強調画像(Diffusion-weightedimaging,DWI)に基づくノーマルマップによる前立腺癌(Prostatecancer)の鑑別を検討する。PCa)と前立腺肥大(Benignprostatichyperplasia,BPH)の臨床価値、及び臨床疑わしい病変のPI-RADSスコア4点におけるPCaの可能性を診断する。方法:前立腺疾患患者260例を後ろ向きに収集し、病理結果によりPCa(2010年7月ー2017年10月、130例)とBPH群(2010年7月ー2016年7月、130例)に分けた。すべての患者は3.0TMRスキャナーでスキャンし、T1WI、T2WI、DCE-MRI及びDWI(b=0、1000s/mm2)の序列をスキャンした。5年MR診断経験を有する2名の画像医師の協議により、すべての入群の症例に対して、病巣のDWI画像上の信号特徴を記録し、PI-RADSV2スコア基準に従ってスコアリングを行った。DWIに基づく映像学方法は主に5つのステップに分けられる。1画像分割:2名の映像医師が病理結果を知らない状況下で協議により一致意見を得て、病巣表示最大レベルを選び、前立腺辺縁に沿って前立腺全体を含む関心領域を描出した。DWI信号が上昇しない症例に対して、T2WI、DCE-MRIシーケンスと合わせて病巣レベルを確定する。2特徴抽出:AKソフトウェアにより自動的に397個のテクスチャ特徴を抽出し、サイズ、形状、ヒストグラム、グレースケール共起行列及びグレースケール操作長さ行列などを含む。3特徴選択:7:3の割合でサンプルをランダムに訓練グループと検証グループに分け、訓練グループサンプルの中で、最大相関最小冗長アルゴリズム(MR)とLASSOアルゴリズムを採用して、ロバスト性の最も良い特徴を選択、保留し、モデリングに用いた。4モデル構築;上記選択の群学的特徴に基づき、Logistic回帰モデルを構築し、群学モデルを得た。臨床因子に基づいて年齢、病巣位置、DWI信号特徴及びTPSA指標レベルを含め、臨床モデルを構築する。連合モデルと臨床モデルの両方を連合モデルを得て、ノモグラムを描いた。5モデル検証:残りの30%のデータを上述モデルに代入し、ROC曲線を描いて3つのモデルの診断効能を評価し、そして臨床疑わしい病変、即ち2人の観察者にPI-RADS4の病変を評価し、階層分析を行う。キャリブレーション曲線と決定曲線を描き、ノモグラフィのキャリブレーション有効性と臨床応用価値を評価した。【結果】PCaとBPHの曲線下面積(AUC)は,訓練グループと検証グループで0.95と0.92であり,キャリブレーション曲線と決定曲線分析結果は,ノモグラムが良好な臨床的応用価値を持つことを示した。PI-RADS4の疑わしい病変において、ノモグラム、オミックスモデルと臨床モデルのAUCはそれぞれ0.73、0.81と0.54であった。結論;PCaとBPHは,DWIのノモグラムに基づいてよく識別できる。PI-RADS4分の疑わしい病変に対して、臨床モデルの有効性は群学モデルより遙かに高く、連合モデルであるノモグラム診断の効能も群学モデルより低く、さらにサンプル量を拡大し、画像学の臨床での疑わしい病変における鑑別診断の価値を深く探求するべきである。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】
