原題
Summary Report of the SNMMI AI Task Force Radiomics Challenge 2024.
背景:本研究では、F-FDG PET/CTラジオミックスデータを用いて、びまん性大細胞型B細胞リンパ腫患者の無増悪生存期間(PFS)を予測する機械学習モデルを評価するための課題を整理した。
方法:参加者は、予測モデルを開発するために、生存データを含むトレーニングデータセットを受け取った。パフォーマンス指標には、核医学会および分子イメージングAIタスクフォースによって裁定された、連続アウトカムの二乗平均平方根誤差および二値アウトカムのC指数が含まれた。
結果:15チームから19の連続アウトカムモデルが提出され、6つは単純な線形モデルと同様に機能した。9つのチームからの12の二値アウトカムモデルは、ロジスティック回帰モデルと比較して、より高いが有意ではないC-インデックス値を有する1つのモデルを示した。
結論:この研究は、この特定のデータセットにおける従来の線形モデルと比較して、結果予測のための複雑な放射性特徴の価値が限られていることを示している。
Journal: J Nucl Med (CiteScore 2022: 12.9)
DOI: 10.2967/jnumed.124.269425
PMID: 40506239
コメント