文献

J-GLOBAL ID：202002267577369024   整理番号：20A0024051

単一施設内の磁気共鳴イメージングによる乳癌診断における機械学習の独立検証【JST・京大機械翻訳】

Independent validation of machine learning in diagnosing breast Cancer on magnetic resonance imaging within a single institution

著者 (11件)： Ji Yu (Department of Breast Imaging, National Clinical Research Center for Cancer, Tianjin Medical University Cancer Institute and Hospital, Tianjin, China) ,  Ji Yu (Key Laboratory of Cancer Prevention and Therapy; Tianjin’s Clinical Research Center for Cancer; Key Laboratory of Breast Cancer Prevention and Therapy, Ministry of Education, Tianjin Medical University, Tianjin, China) ,  Ji Yu (Department of Radiology, University of Chicago, Chicago, USA) ,  Li Hui (Department of Radiology, University of Chicago, Chicago, USA) ,  Edwards Alexandra V. (Department of Radiology, University of Chicago, Chicago, USA) ,  Papaioannou John (Department of Radiology, University of Chicago, Chicago, USA) ,  Ma Wenjuan (Department of Breast Imaging, National Clinical Research Center for Cancer, Tianjin Medical University Cancer Institute and Hospital, Tianjin, China) ,  Ma Wenjuan (Key Laboratory of Cancer Prevention and Therapy; Tianjin’s Clinical Research Center for Cancer; Key Laboratory of Breast Cancer Prevention and Therapy, Ministry of Education, Tianjin Medical University, Tianjin, China) ,  Liu Peifang (Department of Breast Imaging, National Clinical Research Center for Cancer, Tianjin Medical University Cancer Institute and Hospital, Tianjin, China) ,  Liu Peifang (Key Laboratory of Cancer Prevention and Therapy; Tianjin’s Clinical Research Center for Cancer; Key Laboratory of Breast Cancer Prevention and Therapy, Ministry of Education, Tianjin Medical University, Tianjin, China) ,  Giger Maryellen L. (Department of Radiology, University of Chicago, Chicago, USA)
資料名： Cancer Imaging (Web)  (Cancer Imaging (Web))
巻： 19  号： 1  ページ： 1-11  発行年： 2019年 
JST資料番号： U7458A  ISSN： 1470-7330  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 疾患進行の診断のための人工知能法として,放射線科医のためのコンピュータ支援としての使用のための単一施設内の独立臨床磁気共鳴画像(MRI)データセット上の悪性と良性乳房病変を区別する予測作業における機械学習を評価することを目的とした。コンピュータ解析は,2015年2月から2017年10月までの間にMRI検査を受けた1483人の乳癌と496人の良性患者からの連続的動的造影MRI(DCE-MRI)研究に関して行われた。癌と良性患者の年齢範囲は,それぞれ19~77歳と16~76歳であった。症例を訓練データセット(2015年と2016年;1444例)と独立した試験データセット(2017例,535例)に分け,MRI検査データのみに基づいた。病変の放射線科医適応の後,コンピュータは自動的に分割されて,抽出された放射線特徴を抽出した。それは,その後,サポートベクトルマシン(SVM)と融合されて,病変署名を生み出した。95%の信頼区間(CI)を有する受信動作特性(ROC)曲線(AUC)の下の面積は,この臨床分類タスクのための統計的評価における主要な性能指数として役立った。悪性および良性乳房病変DCE-MRIを区別するタスクにおいて,訓練された予測モデルは,独立画像セットに関して0.89(95%CI:0.858,0.922)のAUC値をもたらした。それぞれ,0.88(95%CI:0.845,0.926)および0.90(95%CI:0.837,0.940)のAUC値を,腫瘤病変のみおよび非腫瘤病変に対して得た。実際の臨床管理決定と比較して,予測モデルは,9.6%少ない推奨生検で99.5%の感度を達成した。単一施設内の独立した連続した臨床データセットにおいて,訓練された機械学習システムは悪性と良性乳房病変の識別において有望な性能をもたらした。Copyright 2020 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： サポートベクトルマシン ,  放射線 ,  CAE【計算機】 ,  人工知能 ,  受信 ,  予測モデル ,  生検 ,  *機械学習 ,  乳房 ,  性能指数 ,  信頼区間 ,  *乳房腫瘍 ,  コンピュータ ,  *NMRイメージング
準シソーラス用語： 疾患進行 , 【Automatic Indexing@JST】

分類 (1件)： 腫ようの診断  (GE03020J)

引用文献 (32件)：

• CA Cancer J Clin; Cancer statistics, 2018; RL Siegel, KD Miller, A Jemal; 68; 1; 2018; 7-30; 10.3322/caac.21442; citation_id=CR1
• CA Cancer J Clin; Cancer statistics in China, 2015; W Chen, R Zheng, PD Baade; 66; 2; 2016; 115-132; 10.3322/caac.21338; citation_id=CR2
• Semin Ultrasound CT MR; MR imaging in the management of patients with breast cancer; GM Newstead; 27; 4; 2006; 320-332; 10.1053/j.sult.2006.05.006; citation_id=CR3
• Top Magn Reson Imaging; A review of current evidence-based clinical applications for breast magnetic resonance imaging; W Demartini, C Lehman; 19; 3; 2008; 143-150; 10.1097/RMR.0b013e31818a40a5; citation_id=CR4
• CA Cancer J Clin; American Cancer Society breast Cancer advisory group. American Cancer Society guidelines for breast screening with MRI as an adjunct to mammography; D Saslow, C Boetes, W Burke; 57; 2; 2007; 75-89; 10.3322/canjclin.57.2.75; citation_id=CR5

タイトルに関連する用語 (5件)： 施設 ,  磁気共鳴イメージング ,  乳癌診断 ,  機械学習 ,  検証