原題
Predicting local control of brain metastases after stereotactic radiotherapy with clinical, radiomics and deep learning features.
背景:脳転移に対する定位放射線治療後の局所障害のタイムリーな同定は転帰を改善することができるが、局所制御(LC)予測のためのラジオミクスとディープラーニング(DL)の組み合わせの可能性は未解明のままである。
方法:治療前の脳MRIおよび129人の患者からの臨床データを分析し、ラジオミクスおよびDL特徴を抽出し、ランダムフォレストアルゴリズムを用いて、様々な特徴の組み合わせを有する4つの予測モデルを訓練した。
結果:臨床、ラジオミクス、およびDLの特徴を組み合わせた最良の予測モデルは、0.88および81.66%の精度のAUCを達成し、他のモデルよりも優れていた。
結論:ラジオミクスとDLを臨床的特徴と統合することは、LC予測を強化し、より良い患者転帰のための時宜を得た治療変更を促進する。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-024-02573-9
PMID: 39736796
コメント