文献

J-GLOBAL ID：202202284653319410   整理番号：22A1022820

コンピュータ断層撮影に基づく機械学習は,脂質欠乏性腺腫から副腎褐色細胞腫を区別する【JST・京大機械翻訳】

Computed Tomography-Based Machine Learning Differentiates Adrenal Pheochromocytoma From Lipid-Poor Adenoma

著者 (14件)： Liu Haipeng (1 Department of Radiology, Xiangya Hospital, Central South University, Changsha, China) ,  Liu Haipeng (2National Clinical Research Center for Geriatric Disorders, Xiangya Hospital, Changsha, China) ,  Guan Xiao (2National Clinical Research Center for Geriatric Disorders, Xiangya Hospital, Changsha, China) ,  Guan Xiao (3Department of Urology, Xiangya Hospital, Central South University, Changsha, China) ,  Xu Beibei (4College of Biology, Hunan University, Changsha, China) ,  Zeng Feiyue (1 Department of Radiology, Xiangya Hospital, Central South University, Changsha, China) ,  Chen Changyong (1 Department of Radiology, Xiangya Hospital, Central South University, Changsha, China) ,  Yin Hong ling (5Department of Pathology, Xiangya Hospital, Central South University, Changsha, China) ,  Yi Xiaoping (1 Department of Radiology, Xiangya Hospital, Central South University, Changsha, China) ,  Yi Xiaoping (2National Clinical Research Center for Geriatric Disorders, Xiangya Hospital, Changsha, China) ,  Yi Xiaoping (6Hunan Engineering Research Center of Skin Health and Disease, Xiangya Hospital, Changsha, China) ,  Yi Xiaoping (7Hunan Key Laboratory of Skin Cancer and Psoriasis, Xiangya Hospital, Changsha, China) ,  Peng Yousong (4College of Biology, Hunan University, Changsha, China) ,  Chen Bihong T. (8Department of Diagnostic Radiology, City of Hope National Medical Center, Los Angeles, CA, United States)
資料名： Frontiers in Endocrinology (Web)  (Frontiers in Endocrinology (Web))
巻： 13  ページ： 833413  発行年： 2022年 
JST資料番号： U7068A  ISSN： 1664-2392  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:副腎偶発腫患者における脂質欠乏腺腫(LPA)から潜在性褐色細胞腫(sPHEO)を識別するためのコンピュータ断層撮影(CT)に基づく機械学習モデルの精度を評価する。患者と方法:研究は,sPHEOの86人の患者のLPAと92の腫瘍を有する183人の患者の188の腫瘍を含んだ。腫瘍の前造影CT画像特徴を評価した。LPAからsPHEOを識別するための機械学習予測モデルおよびスコアリングシステムを,ロジスティック回帰(LR),サポートベクトルマシン(SVM)およびランダムフォレスト(RF)法を用いて構築した。結果:LRモデルは他のモデルよりも良好に機能した。3つのCT特徴を含むLRモデル(M1):CT_pre値,形状および壊死/嚢胞性変化は,0.917の受信者動作特性曲線(AUC)および0.864の精度の領域を有した。3つのCT特徴を含むLRモデル(M2):CT_pre値,形状および均一性は,0.888のAUCおよび0.832の精度を有した。S2スコアリングシステム(感度:0.859,特異性:0.824)はS1に匹敵する診断値を有した(感度:0.815;特異性:0.910)。結論:著者らの結果は,副腎偶発腫の組織学を予測するためのCTベースの機械学習モデルおよびスコアリングシステムのような非侵襲的イメージング法の使用の可能性を示した。本アプローチは副腎腫瘍患者の診断と個別化治療を助ける可能性がある。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： 壊死 ,  *脂質 ,  腫瘍 ,  *副腎 ,  画像処理 ,  *腺腫 ,  嚢胞 ,  *褐色細胞腫 ,  副腎腫瘍 ,  *計算機トモグラフィー ,  X線CT ,  *機械学習 ,  サポートベクトルマシン
準シソーラス用語： ロジスティック回帰分析 ,  造影CT ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (6件)： 副腎偶発症 ,  脂質欠乏腺腫 ,  無症候性褐色細胞腫 ,  コンピュータ断層撮影 ,  機械学習 ,  ロジスティック回帰

分類 (2件)： 内分泌系の腫よう  (GL04000P) ,  腫ようの診断  (GE03020J)

引用文献 (40件)：

• Boland GW, Blake MA, Hahn PF, Mayo-Smith WW. Incidental Adrenal Lesions: Principles, Techniques, and Algorithms for Imaging Characterization. Radiology (2008) 249(3):756-75. doi: doi: 10.1148/radiol.2493070976
• Mayo-Smith WW, Song JH, Boland GL, Francis IR, Israel GM, Mazzaglia PJ, et al. Management of Incidental Adrenal Masses: A White Paper of the ACR Incidental Findings Committee. J Am Coll Radiol (2017) 14(8):1038-44. doi: doi: 10.1016/j.jacr.2017.05.001
• Mendiratta-Lala M, Avram A, Turcu AF, Dunnick NR. Adrenal Imaging. Endocrinol Metab Clin North Am (2017) 46(3):741-59. doi: doi: 10.1016/j.ecl.2017.04.009
• Young WF. Management Approaches to Adrenal Incidentalomas. A View From Rochester, Minnesota. Endocrinol Metab Clin North Am (2000) 29(1):159-85. doi: doi: 10.1016/s0889-8529(05)70122-5
• Song JH, Chaudhry FS, Mayo-Smith WW. The Incidental Adrenal Mass on CT: Prevalence of Adrenal Disease in 1,049 Consecutive Adrenal Masses in Patients With No Known Malignancy. AJR Am J Roentgenol (2008) 190(5):1163-8. doi: doi: 10.2214/AJR.07.2799

タイトルに関連する用語 (6件)： コンピュータ断層撮影 ,  機械学習 ,  脂質 ,  欠乏 ,  腺腫 ,  副腎褐色細胞腫