原題
Predicting Radiation Pneumonitis Integrating Clinical Information, Medical Text, and 2.5D Deep Learning Features in Lung Cancer.
背景:本研究は、臨床データ、医学テキスト、および2.5D深層学習(DL)特徴を用いて、肺癌患者における放射線肺炎(RP)の予測モデルを開発することを目的とした。
方法:この研究には、トレーニングコホートと検証コホートに分けられた356人の肺がん患者が含まれ、さらに238人の患者が検査を受けた。用語頻度-逆文書頻度法はCT画像テキストを数値ベクトルに変換し、関連するスライスを選択して2.5Dデータを作成した。DL特徴は、様々なDLアーキテクチャを使用して抽出され、マルチインスタンス学習(MIL)を通じて統合された。
結果:2.5D MILモデルは、2Dおよび3Dモデルよりも優れており、コホート全体で高い曲線下面積値を達成した。
結論:提案したモデルは、RP予測を強化するために多様なデータタイプを効果的に統合し、放射線療法の副作用に関する革新的な洞察を提供する。
Journal: Int J Radiat Oncol Biol Phys (CiteScore 2022: 11)
DOI: 10.1016/j.ijrobp.2025.07.1437
PMID: 40844448
コメント