文献

J-GLOBAL ID：202202266358468632   整理番号：22A1025825

乳癌の分子サブタイプを識別する非造影胸部CTラジオミクスの可能性:後ろ向き研究【JST・京大機械翻訳】

Potential of the Non-Contrast-Enhanced Chest CT Radiomics to Distinguish Molecular Subtypes of Breast Cancer: A Retrospective Study

著者 (6件)： Wang Fei (Department of Radiology, Harbin Medical University Cancer Hospital, Harbin, China) ,  Wang Dandan (Department of Radiology, The Second Affiliated Hospital of Harbin Medical University, Harbin, China) ,  Xu Ye (Department of Radiology, Harbin Medical University Cancer Hospital, Harbin, China) ,  Jiang Huijie (Department of Radiology, The Second Affiliated Hospital of Harbin Medical University, Harbin, China) ,  Liu Yang (Department of Radiology, Harbin Medical University Cancer Hospital, Harbin, China) ,  Zhang Jinfeng (Department of Breast Surgery, Harbin Medical University Cancer Hospital, Harbin, China)
資料名： Frontiers in Oncology (Web)  (Frontiers in Oncology (Web))
巻： 12  ページ： 848726  発行年： 2022年 
JST資料番号： U7089A  ISSN： 2234-943X  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:分子サブタイプは乳癌で重要な役割を果たし,治療をガイドし,予後に密接に関連している。本研究の目的は,乳癌分子サブタイプを非侵襲的に予測するための非造影胸部CTに基づくラジノミクスの可能性を調査することであった。方法:ルーチンの胸部CT検査を受けた合計300の乳癌患者(153の管腔型と147の非管腔型)を,研究に含めて,そのうち220症例は訓練セットに属し,80症例は時間独立試験セットに属した。分子サブタイプの同定は,術後組織試料の免疫組織化学染色に基づく。乳房腫瘤の関心領域(ROI)を,CT画像の連続切片上で描写した。乳癌の管腔型を予測する42のモデルを,6つの特徴スクリーニング法と7つの機械学習分類器の組合せによって確立した。内部検証には5倍交差検証(cv)を用いた。最後に,最適モデルを独立試験セットに関する外部検証のために選択した。さらに,機械学習モデルの説明を行うために,SHapley加法(SHAP)値を利用した。結果:内部検証の間,異なるモデルの曲線下面積(AUC)値は0.599から0.842の範囲であり,精度は0.540から0.775の範囲であった。最終的に,LASSO_SVM組合せを最終モデルとして選択し,それは9つのラジノミクス特徴を含んだ。非管腔型から内腔を区別するためのモデルのAUC,精度,感度,および特異性は,訓練セットで0.842[95%CI:0.728~0.957],0.773,0.818,および0.773であり,試験セットで0.757[95%CI:0.640~0.86],0.713,0.767,および0.676であった。結論:胸部CTに基づくラジノミクスは,乳癌分子サブタイプの同定のための新しいアイデアを提供する可能性がある。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： 感度 ,  予後 ,  加算 ,  スクリーニング ,  *乳房腫瘍 ,  乳房疾患 ,  血中濃度-時間曲線下面積 ,  機械学習
準シソーラス用語： 後向き研究 ,  乳房腫瘤 ,  CT画像 ,  *胸部CT ,  非侵襲 ,  特異性 ,  *胸部造影CT ,  関心領域 , 【Automatic Indexing@JST】

著者キーワード (6件)： 乳癌 ,  分子サブタイプ ,  照明 ,  ラジオミクス ,  予測 ,  機械学習

分類 (2件)： 腫ようの診断  (GE03020J) ,  臨床腫よう学一般  (GE03010Y)

引用文献 (44件)：

• Sung H, Ferlay J, Siegel RL, Laversanne M, Soerjomataram I, Jemal A, et al. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA Cancer J Clin (2021) 71(3):209-49. doi: doi: 10.3322/caac.21660
• Martelotto LG, Ng CK, Piscuoglio S, Weigelt B, Reis-Filho JS. Breast Cancer Intra-Tumor Heterogeneity. Breast Cancer Res (2014) 16(3):210. doi: doi: 10.1186/bcr3658
• Hammerl D, Smid M, Timmermans AM, Sleijfer S, Martens JWM, Debets R. Breast Cancer Genomics and Immuno-Oncological Markers to Guide Immune Therapies. Semin Cancer Biol (2018) 52(Pt 2):178-88. doi: doi: 10.1016/j.semcancer.2017.11.003
• Waks AG, Winer EP. Breast Cancer Treatment: A Review. JAMA (2019) 321(3):288-300. doi: doi: 10.1001/jama.2018.19323
• Hammond ME, Hayes DF, Dowsett M, Allred DC, Hagerty KL, Badve S, et al. American Society of Clinical Oncology/College of American Pathologists Guideline Recommendations for Immunohistochemical Testing of Estrogen and Progesterone Receptors in Breast Cancer. J Clin Oncol (2010) 28(16):2784-95. doi: doi: 10.1200/JCO.2009.25.6529

タイトルに関連する用語 (8件)： 乳癌 ,  分子 ,  サブタイプ ,  識別 ,  造影胸部CT ,  ラジオミクス ,  可能性 ,  研究