原題
Automated Lugano Metabolic Response Assessment in (18)F-Fluorodeoxyglucose-Avid Non-Hodgkin Lymphoma With Deep Learning on (18)F-Fluorodeoxyglucose-Positron Emission Tomography.
背景:本研究では、人工知能が治療反応評価を自動化することにより、F-フルオロデオキシグルコース-avidリンパ腫の放射線学的評価に医師が必要とする時間をどのように短縮できるかを検討した。
方法:Lugano 2014分類に基づくディープラーニングアルゴリズムを多国間臨床試験で訓練し、病変の自動検出と治療反応のために非ホジキンリンパ腫サブタイプで試験した。
結果:このアルゴリズムは、標準的な放射線学的反応と85～93%の一致を示し、患者の転帰を予測し、判定された放射線学的反応と比較して、死亡リスク予測の精度が高い傾向を示した。アルゴリズム結果の放射線科医によるレビュー時間の中央値は、評価あたり1.38分であった。
結論:結果は、このアルゴリズムが有意な時間節約を提供し、癌画像における放射線学的反応評価において訓練された医学専門家と同等の性能を示すことを示唆した。
Journal: J Clin Oncol (CiteScore 2022: 39.6)
DOI: 10.1200/JCO.23.01978
PMID: 38843483
コメント