原題
Machine learning-based integration of dosiomics and pre-radiotherapy multimodal MRI radiomics for survival stratification in patients with glioblastoma multiforme.
背景情報:
腫瘍の不均一性が膠芽腫の生存率を変動させる;研究では、線量測定と放射線療法前のMRIラジオミクスが全生存率の予測を改善するかどうかを検証した。
方法:
レトロスペクティブな74人のTCIA GBM患者。GTVからの線量学的特徴およびMRI上のCETおよびED/nCETからの放射線学的特徴をL1選択し、10倍交差検証によるロジスティック回帰に用いた。
結果:
線量測定AUC 0.80±0.12。CET AUC 0.90±0.09対ED/nCET 0.76±0.10(p<0.05)。モダリティ:T1CE 0.86、T1 0.84、T2 0.85、FLAIR 0.76(有意差なし)。併用線量測定+CET AUC 0.96±0.07(p<0.05)。
結論:
線量測定およびMRIの放射線学的特徴はGBM患者を層別化し、それらを統合することでOS予測が著しく改善される。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-025-02764-y
PMID: 41331644
コメント