文献

J-GLOBAL ID：202202276857891764   整理番号：22A1178747

局所進行乳癌患者におけるネオアジュバント化学療法反応の早期予測における超音波イメージングに基づく二重分岐畳込みニューラルネットワーク【JST・京大機械翻訳】

Dual-Branch Convolutional Neural Network Based on Ultrasound Imaging in the Early Prediction of Neoadjuvant Chemotherapy Response in Patients With Locally Advanced Breast Cancer

著者 (7件)： Xie Jiang (1School of Computer Engineering and Science, Shanghai University, Shanghai, China) ,  Shi Huachan (1School of Computer Engineering and Science, Shanghai University, Shanghai, China) ,  Du Chengrun (2Department of Radiation Oncology, Fudan University Shanghai Cancer Center, Shanghai, China) ,  Song Xiangshuai (1School of Computer Engineering and Science, Shanghai University, Shanghai, China) ,  Wei Jinzhu (3School of Medicine, Shanghai University, Shanghai, China) ,  Dong Qi (4Department of Ultrasound, Ren Ji Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China) ,  Wan Caifeng (4Department of Ultrasound, Ren Ji Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China)
資料名： Frontiers in Oncology (Web)  (Frontiers in Oncology (Web))
巻： 12  ページ： 812463  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： 乳癌治療におけるネオアジュバンド化学療法(NAC)に対する患者の反応の早期予測は,治療決定を導くために重要である。局所進行乳癌(LABC)患者におけるNAC応答の早期予測のために超音波(US)画像を用いる深層学習に基づく二重分枝畳込みニューラルネットワーク(DBNN)と名付けた新規アプローチを開発することを目的とした。この後向き研究は,治療前(NAC_pre)とNAC(NAC_1)の1サイクル後にUSでモニターした114人の女性を含んだ。病理学的完全応答(pCR)は乳房の残存浸潤癌と定義されなかった。pCRを予測するために,データを訓練セットと試験セット(4:1)にランダムに分割した。NACを受けた乳癌患者におけるpCRの早期予測のために,US画像によるDBNNを提案した。NACの最初のサイクル後に得られた前処理データとデータの間の接続を,異なる枝の特徴共有を通して考察した。さらに,種々の段階におけるデータの重要性を,pCRを有するものを分類するために2つの経路の重さを変えることによって強調した。DBNNの最適モデルアーキテクチャを2つのアブレーション実験により決定した。pCRを予測するためのDBNNの診断性能を最新の研究からの4つの方法と比較した。NAC応答の初期予測におけるDBNNの可能性をさらに検証するために,NAC_preとNAC_1からのデータを別々に評価した。pCRの予測において,NAC_preとNAC_1のUS画像情報(受信者動作特性曲線下面積(AUC):0.939;95%信頼区間(CI):0.907,0.972,F1スコア:0.850;全精度:87.5%;感度:90.67%;感度:85.67%),および,併用データによる診断成績は,NAC_pre(AUC:0.730;95%CI:0.657,0.802;F1スコア:0.675;感受性:76.00%;および特異性:85.67%),および,併用データによる診断成績は,NAC_pre(AUC:0.730;95%CI:0.657,0.802;F1スコア:0.61;感度:5.33%;および特異性:86.32%)(p<0.01)を使用したとき,性能より優れていた。”結果]は,NAC_pre(AUC:0.730,95%CI:0.657,0.802;F1スコア:0.617,0.813;F1スコア:0.616,感度:7.00%,および特異性:86.32%),および,この併用データによる診断成績は,NAC_pre(AUC:0.730;95%CI:0.657,0.802,F1スコア:0.675;感受性:76.00%,および特異性:86.32%),および,その診断成績は,それぞれ,NAC_pre(AUC:0.730;95%CI:0.657,0.802,F1スコア:0.675;感受性:76.00%,および特異性:68.38%)であった。非侵襲的予測ツールとして,DBNNはNAC_preとNAC_1のUSデータを組み合わせるとき,LABC患者におけるNAC応答の早期予測において顕著な結果を達成できる。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： *超音波 ,  予測 ,  感受性 ,  画像 ,  乳房 ,  *薬物療法 ,  *超音波画像 ,  アブレーション ,  *乳房腫瘍 ,  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 ,  画像情報 ,  *ネオアジュバント化学療法 ,  非侵襲 ,  特異性 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  乳癌 ,  ネオアジュバント化学療法 ,  病理学的完全応答 ,  超音波イメージング

分類 (2件)： 腫ようの診断  (GE03020J) ,  腫ようの薬物療法  (GE03032C)

引用文献 (52件)：

• Siegel RL, Miller KD, Jemal A. Cancer Statistics, 2018. Ca-Cancer J Clin (2018) 68(1):7-30. doi: doi: 10.3322/caac.21442
• Das U, Lakshmaiah KC, Babu KG, Suresh TM, Lokanatha D, Jacob L, et al. The Actual Scenario of Neoadjuvant Chemotherapy of Breast Cancer in Developing Country: A Report of 80 Cases of Breast Cancer From a Tertiary Cancer Center in India. J Cancer Res Clin Oncol (2014) 40(10):1777-82. doi: doi: 10.1007/s00432-014-1724-1
• Spring LM, Fell G, Arfe A, Sharma C, Greenup R, Reynolds KL, et al. Pathologic Complete Response After Neoadjuvant Chemotherapy and Impact on Breast Cancer Recurrence and Survival: A Comprehensive Meta-Analysis. Clin Cancer Res (2020) 26(12):2838-48. doi: doi: 10.1158/1078-0432.CCR-19-3492
• Matthews CM, Nymberg K, Berger M, Vargo CA, Dempsey J, Li J, et al. Pathological Complete Response Rates With Pertuzumab-Based Neoadjuvant Chemotherapy in Breast Cancer: A Single-Center Experience. J Oncol Pharm Pract (2020) 26(3):572-9. doi: doi: 10.1177/1078155219857800
• Byra M, Dobruch-Sobczak K, Klimonda Z, Piotrzkowska-Wroblewska H, Litniewski J. Early Prediction of Response to Neoadjuvant Chemotherapy in Breast Cancer Sonography Using Siamese Convolutional Neural Networks. IEEE J BioMed Health (2020) 25(3):797-805. doi: doi: 10.1109/JBHI.2020.3008040

タイトルに関連する用語 (8件)： 局所進行乳癌 ,  患者 ,  ネオアジュバント化学療法 ,  早期 ,  予測 ,  超音波イメージング ,  分岐 ,  畳込みニューラルネットワーク