原題
Accuracy of machine learning in preoperative identification of genetic mutation status in lung cancer: A systematic review and meta-analysis.
背景:本研究は非小細胞肺癌(NSCLC)患者における遺伝子突然変異の検出における機械学習(ML)の性能を調べることを目的とした。
方法:様々なデータベースから得られた128件の元の研究の系統的レビューおよびメタアナリシスにより、EGFR、ALK、KRAS、およびBRAFを含むいくつかの遺伝子における突然変異が調査された。使用したMLモデルは、主にCT、MRI、およびPET-CTデータから得られた放射線学的特徴に基づいていた。
結果:EGFR突然変異状態を検出するモデルの精度は0.750から0.822の範囲であり、ALKおよびKRASの突然変異状態を検出するすべてのラジオミックスベースのモデルは、異なるEGFR突然変異部位とともに、0.7を超える精度を有していた。
結論:Radiomicsに基づくML法はNSCLCにおけるEGFR変異状態の早期検出に高い精度を有するが、臨床変数の影響を無視すべきではない。今後の研究は他の遺伝子変異に焦点を当てるべきである。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2024.110325
PMID: 38734145
Open Access
コメント