文献

J-GLOBAL ID：202002264265356149   整理番号：20A0669522

造影超音波における人工知能を用いた肝細胞癌患者に対する経動脈化学塞栓術に対する反応の正確な予測【JST・京大機械翻訳】

Accurate prediction of responses to transarterial chemoembolization for patients with hepatocellular carcinoma by using artificial intelligence in contrast-enhanced ultrasound

著者 (20件)： Liu Dan (Department of Medical Ultrasonics, Institute of Diagnostic and Interventional Ultrasound, The First Affiliated Hospital of Sun Yat-sen University, Guangzhou, China) ,  Liu Dan (CAS Key Laboratory of Molecular Imaging, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Liu Fei (CAS Key Laboratory of Molecular Imaging, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Liu Fei (Department of the Artificial Intelligence Technology, University of Chinese Academy of Sciences, Beijing, People’s Republic of China) ,  Xie Xiaoyan (Department of Medical Ultrasonics, Institute of Diagnostic and Interventional Ultrasound, The First Affiliated Hospital of Sun Yat-sen University, Guangzhou, China) ,  Su Liya (Department of Medical Ultrasonics, Institute of Diagnostic and Interventional Ultrasound, The First Affiliated Hospital of Sun Yat-sen University, Guangzhou, China) ,  Liu Ming (Department of Medical Ultrasonics, Institute of Diagnostic and Interventional Ultrasound, The First Affiliated Hospital of Sun Yat-sen University, Guangzhou, China) ,  Xie Xiaohua (Department of Medical Ultrasonics, Institute of Diagnostic and Interventional Ultrasound, The First Affiliated Hospital of Sun Yat-sen University, Guangzhou, China) ,  Kuang Ming (Department of Medical Ultrasonics, Institute of Diagnostic and Interventional Ultrasound, The First Affiliated Hospital of Sun Yat-sen University, Guangzhou, China) ,  Kuang Ming (Department of Liver Surgery, The First Affiliated Hospital of Sun Yat-sen University, Guangzhou, China) ,  Huang Guangliang (Department of Medical Ultrasonics, Institute of Diagnostic and Interventional Ultrasound, The First Affiliated Hospital of Sun Yat-sen University, Guangzhou, China) ,  Wang Yuqi (CAS Key Laboratory of Molecular Imaging, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Wang Yuqi (Department of the Artificial Intelligence Technology, University of Chinese Academy of Sciences, Beijing, People’s Republic of China) ,  Zhou Hui (CAS Key Laboratory of Molecular Imaging, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Zhou Hui (Department of the Artificial Intelligence Technology, University of Chinese Academy of Sciences, Beijing, People’s Republic of China) ,  Wang Kun (CAS Key Laboratory of Molecular Imaging, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Wang Kun (Department of the Artificial Intelligence Technology, University of Chinese Academy of Sciences, Beijing, People’s Republic of China) ,  Lin Manxia (Department of Medical Ultrasonics, Institute of Diagnostic and Interventional Ultrasound, The First Affiliated Hospital of Sun Yat-sen University, Guangzhou, 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, Beihang University, Beijing, China)
資料名： European Radiology  (European Radiology)
巻： 30  号： 4  ページ： 2365-2376  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:造影超音波(CEUS)を定量的に分析することにより,肝細胞癌(HCC)の最初の経動脈化学塞栓(TACE)セッションへの個人化反応を予測するための人工知能ベースの放射線学的戦略を確立し,検証することを目的とした。【方法】最初のTACEセッションの1週間前に超音波検査(CEUSおよびBモード)を受けた30人のHCC患者(訓練のための89人,検証のための41人)を,遡及的に登録した。超音波データを用いて,深部学習放射線ベースCEUSモデル(R-DLCEUS),CEUSモデル(R-TIC)の機械学習放射線ベースの時間-強度曲線,および機械学習放射線ベースBモード画像モデル(R-Bモード)を用いて,固体腫瘍における修正応答評価基準を参照して,TACEに対する応答(客観的応答および非応答)を予測した。モデルの性能を受信者動作特性曲線(AUC)の下の領域によって比較して,DeLong試験を用いて種々のAUCsを比較した。予測ロバスト性を各モデルについて評価した。【結果】R-DLCEUS,R-TIC,およびR-BモードのAUCは,それぞれ,0.93(95%CI,0.80-0.98),0.80(95%CI,0.64-0.90),および0.81(95%CI,0.67-0.95)であった。R-DLCEUSのAUCは,R-TIC(p=0.034)およびR-Bモード(p=0.039)と比較して有意差を示したが,R-TICはR-Bモードと有意差はなかった。性能は,異なる訓練と検証コホートで非常に再現性があった。結論:DLに基づくラジオミクス法は,正確で個人化された予測を達成するために,CEUS cinesを効果的に利用することができる。それは,手術が容易で,臨床診療においてTACE候補を有益にするための良好な可能性を有する。重要なポイント:・De学習(DL)放射線ベースCEUSモデルは,それらの術前CEUSを定量的に分析することにより,HCC患者の最初のTACEセッションへの応答を正確に予測できる。【結論】CEUSモデルで採用された3D CNN分析の可視化は,臨床診療のために簡単で,非常に少ない時間コストでHCCの臨床治療決定を容易にする。Copyright European Society of Radiology 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *超音波 ,  放射線 ,  三次元 ,  機械学習 ,  学習 ,  *動脈 ,  *肝細胞癌 ,  可視化 ,  放射線医学 ,  *塞栓症 ,  超音波検査 ,  腫瘍 ,  母集団 ,  *人工知能 ,  ロバスト性

著者キーワード (4件)： 化学塞栓療法 ,  肝細胞癌 ,  超音波 ,  深層学習

分類 (2件)： 消化器の腫よう  (GH04000D) ,  腫ようの治療一般  (GE03031L)

タイトルに関連する用語 (7件)： 造影超音波 ,  人工知能 ,  肝細胞 ,  癌患者 ,  動脈 ,  化学塞栓術 ,  予測