原題
Cluster-Based Toxicity Estimation of Osteoradionecrosis via Unsupervised Machine Learning: Moving Beyond Single Dose-Parameter Normal Tissue Complication Probability by Using Whole Dose-Volume Histograms for Cohort Risk Stratification.
背景:本研究は,全照射線量分布データを組み込んだ教師なし学習解析を利用することにより,下顎骨における放射線骨壊死(ORN)リスクの推定を改善することを目的とする。
方法:研究者らは、2005年から2015年の間に治療を受けた頭頸部がん(HNC)患者1,259人のデータを分析し、そのうち173人がORNを発症した。彼らは、K平均クラスタリング法を用いて下顎線量体積ヒストグラムのクラスターを同定し、サポートベクターマシンを用いてこれらのクラスターを区分した。
結果:6つのクラスターが同定された。全体の線量-容積ヒストグラムおよび放射線療法前の抜歯状態に基づくORNの視覚的リスク評価ツールが作成された。
結論:教師なし学習分析の革新的な使用により、本研究はHNC患者における下顎ORNのリスクを評価し、ORNリスクを最小にするために用量を最適化するためのより信頼できる方法を提供した。
Journal: Int J Radiat Oncol Biol Phys (CiteScore 2022: 11)
DOI: 10.1016/j.ijrobp.2024.02.021
PMID: 38462018
Open Access
コメント