文献

J-GLOBAL ID：202202240614450807   整理番号：22A1029409

造影CTのラジオミクス分析に基づく小細胞肺癌における進行のない生存予測【JST・京大機械翻訳】

Progression-Free Survival Prediction in Small Cell Lung Cancer Based on Radiomics Analysis of Contrast-Enhanced CT

著者 (8件)： Chen Ningxin (Department of Radiology, The Second Affiliated Hospital of Fujian Medical University, Quanzhou, China) ,  Li Ruikun (Department of Automation, Shanghai Jiao Tong University, Shanghai, China) ,  Jiang Mengmeng (Department of Radiology, Shanghai Institute of Medical Imaging, Zhongshan Hospital of Fudan University, Shanghai, China) ,  Guo Yixian (Department of Radiology, Shanghai Institute of Medical Imaging, Zhongshan Hospital of Fudan University, Shanghai, China) ,  Chen Jiejun (Department of Radiology, Shanghai Institute of Medical Imaging, Zhongshan Hospital of Fudan University, Shanghai, China) ,  Sun Dazhen (Department of Automation, Shanghai Jiao Tong University, Shanghai, China) ,  Wang Lisheng (Department of Automation, Shanghai Jiao Tong University, Shanghai, China) ,  Yao Xiuzhong (Department of Radiology, Shanghai Institute of Medical Imaging, Zhongshan Hospital of Fudan University, Shanghai, China)
資料名： Frontiers in Medicine (Web)  (Frontiers in Medicine (Web))
巻： 9  ページ： 833283  発行年： 2022年 
JST資料番号： U7079A  ISSN： 2296-858X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 目的と目的:本研究の目的は,造影剤増強コンピュータ断層撮影(CT)からのラジオミックシグネチャによる小細胞肺癌(SCLC)患者における無増悪生存率(PFS)を予測することであった。方法:病理学的に確認された小細胞肺癌を有する合計186症例を,遡及的に組み立てた。最初に,肺窓と縦隔窓上の関心の腫瘍領域(ROI)から,それぞれ1,218のラジオミック特徴を自動的に抽出した。次に,コックス比例ハザード(CPH)モデルに基づく単変量解析,分散インフレーション因子(VIF)を用いた冗長性除去,および(3)ランダム生存森林(RSF)に基づく多変量重要度解析のような機械学習法により,予後およびロバスト特徴を選択した。最後に,PFS予測モデルをRSFに基づいて確立し,その性能を一致指数(C指数)と曲線下の累積/動的面積(C/D AUC)を用いて評価した。結果:全体で,11の放射線学的特徴(縦隔窓の6つと肺窓の5つ)を最終的に選択し,それらから構築した予測モデルは,独立した試験セットで0.7531のCインデックスと0.8487の平均C/D AUCを達成し,単一臨床的特徴(C-インデックス=0.6026,平均C/D AUC=0.6312),および肺窓(C-インデックス=0.6951,平均C/D AUC=0.7836)または縦隔ウインドウ(C-インデックス=0.792,平均C/D AUC=0.796)で計算された単一ラジオミック特徴による予測より良好であった。”C-指数=0.6026,平均C/D AUC=0.6312],および縦隔ウインドウ(C-インデックス=0.792,平均C/D AUC=0.7964)。結論:肺窓と縦隔窓の両方に対する腫瘍ROIから計算されたラジオミック特徴は,SCLC患者に対するPFSを高精度で予測でき,SCLC患者の診断と患者管理のための個別化臨床決定を支援する有用なツールとして使用できる。Copyright 2022 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： 多変量解析 ,  腫瘍 ,  造影剤 ,  臨床医学 ,  患者 ,  放射線医学 ,  予後 ,  ロバスト性 ,  縦隔 ,  *X線CT ,  患者管理 ,  機械学習 ,  *小細胞肺癌 ,  予測モデル
準シソーラス用語： 単変量解析 ,  *造影CT ,  無増悪生存期間 , 【Automatic Indexing@JST】

著者キーワード (5件)： 小細胞肺癌(SCLC) ,  ラジオミクス解析 ,  無増悪生存(PFS) ,  造影CT ,  縦隔窓

分類 (2件)： 腫ようの診断  (GE03020J) ,  放射線を利用した診断  (GC04020K)

引用文献 (47件)：

• Rudin CM, Poirier JT. Small-cell lung cancer in 2016: shining light on novel targets and therapies. Nat Rev Clin Oncol. (2017) 14:75-6. doi: 10.1038/nrclinonc.2016.203
• Gazdar AF, Bunn PA, Minna JD. Small-cell lung cancer: what we know, what we need to know and the path forward. Nat Rev Cancer. (2017) 17:725-37. doi: 10.1038/nrc.2017.87
• Noone AM HN, Krapcho M, Miller D, Brest A, Yu M, Ruhl J, et al. SEER Cancer Statistics Review (CSR) 1975-2015, National Cancer Institute. In: Bethesda, MD. SEER Data Submission. Available online at: https://seer.cancer.gov/csr/1975_2015/ (accessed April 2018) doi: 10.1038/nrc.2017.87
• Bunn PA Jr., Minna JD, Augustyn A, Gazdar AF, Ouadah Y, Krasnow MA, et al. Small cell lung cancer: can recent advances in biology and molecular biology be translated into improved outcomes? J Thorac Oncol. (2016) 11:453-74. doi: 10.1016/j.jtho.2016.01.012
• Fruh M, De Ruysscher D, Popat S, Crino L, Peters S, Felip E, et al. Small-cell lung cancer (SCLC): ESMO clinical practice guidelines for diagnosis, treatment and follow-up. Ann Oncol. (2013) 24:vi99-105. doi: 10.1093/annonc/mdt178

タイトルに関連する用語 (6件)： 造影CT ,  ラジオミクス ,  分析 ,  小細胞肺癌 ,  生存 ,  予測