文献

J-GLOBAL ID：202202278862618799   整理番号：22A1025724

前立腺癌における複数の生物学的特性の術前予測のためのマルチパラメトリックMRIおよび機械学習ベースのラジオミクスモデル【JST・京大機械翻訳】

Multiparametric MRI and Machine Learning Based Radiomic Models for Preoperative Prediction of Multiple Biological Characteristics in Prostate Cancer

著者 (14件)： Fan Xuhui (1Department of Radiology, Shanghai General Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China) ,  Xie Ni (2Institution for Clinical Research, Shanghai General Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China) ,  Chen Jingwen (1Department of Radiology, Shanghai General Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China) ,  Li Tiewen (3Department of Urology, Shanghai General Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China) ,  Cao Rong (1Department of Radiology, Shanghai General Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China) ,  Yu Hongwei (1Department of Radiology, Shanghai General Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China) ,  He Meijuan (1Department of Radiology, Shanghai General Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China) ,  Wang Zilin (1Department of Radiology, Shanghai General Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China) ,  Wang Yihui (1Department of Radiology, Shanghai General Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China) ,  Liu Hao (4Department of Research and Development, Yizhun Medical AI Technology Co. Ltd., Beijing, China) ,  Wang Han (1Department of Radiology, Shanghai General Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China) ,  Wang Han (2Institution for Clinical Research, Shanghai General Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China) ,  Wang Han (5Department of Radiology, Jiading Branch of Shanghai General Hospital, Shanghai, China) ,  Yin Xiaorui (1Department of Radiology, Shanghai General 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： 839621  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:この研究は,前立腺癌のいくつかの生物学的特徴を予測する非侵襲的診断法として,マルチパラメトリックMRI(MP-MRI)に基づくラジオミックモデルを開発し,評価することを目的にした。方法:根治的前立腺切除術とMP-MRI検査を受けた合計252人の患者を遡及的に分析した。本研究の予測特性は次の通りであった。Ki67,S100,被膜外伸展(ECE),神経周囲浸潤(PNI),および外科的マージン(SM)。患者を訓練コホートと各グループに対する4:1の比率における検証コホートに分けた。病変セグメンテーションを手動で,MP-MRI画像からラジオミック特徴を抽出し,いくつかの臨床因子も含めた。ランダムフォレスト(RF)に基づくMax関連性分冗長性(mRMR)と再帰的特徴除去(RFE)を採用して,特徴を選択した。6つの分類器(SVM,KNN,RF,ディシジョンツリー,ロジスティック回帰,XGBOOST)を含み,それらの中で最良の診断性能を見出した。構築モデルの診断効率をROC曲線によって評価し,AUCによって定量化した。【結果】RFは,AUC値(Ki67=0.87,S100=0.80,ECE=0.85,PNI=0.82)に従って,4つの群の6つの分類器の間で最良であった。SVMの性能は,SMに対して相対的に最良であった(AUC=0.77)。DCE特徴の数と重要性は,各グループのモデルで最初にランク付けされた。MP-MRIと臨床的特徴の併用モデルは,Delong試験によるMP-MRIモデルと比較して有意差を示さなかった。結論:MP-MRIに基づくラジオミクスモデルは生物学的特性を予測する可能性があり,前立腺癌のリスク層別化を評価する非侵襲的方法であると期待されている。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： 冗長性 ,  セグメンテーション ,  画像 ,  ディシジョンツリー ,  皮膜 ,  *モデル ,  等級づけ ,  母集団 ,  NMRイメージング ,  *前立腺腫瘍 ,  *機械学習
準シソーラス用語： ROC曲線 ,  ロジスティック回帰分析 ,  非侵襲 ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (5件)： ラジオミクス ,  前立腺癌 ,  磁気共鳴イメージング ,  生物学的特性 ,  リスク層化

分類 (2件)： 泌尿生殖器の腫よう  (GM04000S) ,  腫ようの診断  (GE03020J)

引用文献 (52件)：

• Siegel RL, Miller KD, Fuchs HE, Jemal A. Cancer Statistics, 2021. CA Cancer J Clin (2021) 71(1):7-33. doi: doi: 10.3322/caac.21654
• Cuzick J, Thorat MA, Andriole G, Brawley OW, Brown PH, Culig Z, et al. Prevention and Early Detection of Prostate Cancer. Lancet Oncol (2014) 15(11):e484-92. doi: doi: 10.1016/s1470-2045(14)70211-6
• Malik A, Srinivasan S, Batra J. A New Era of Prostate Cancer Precision Medicine. Front Oncol (2019) 9:1263. doi: doi: 10.3389/fonc.2019.01263
• Bhavsar T, McCue P, Birbe R. Molecular Diagnosis of Prostate Cancer: Are We Up to Age? Semin Oncol (2013) 40(3):259-75. doi: doi: 10.1053/j.seminoncol.2013.04.002
• Hoogland AM, Kweldam CF, van Leenders GJ. Prognostic Histopathological and Molecular Markers on Prostate Cancer Needle-Biopsies: A Review. BioMed Res Int (2014) 2014:341324. doi: doi: 10.1155/2014/341324

タイトルに関連する用語 (5件)： 前立腺癌 ,  生物学的特性 ,  術前予測 ,  マルチパラメトリックMRI ,  機械学習