原題
Development and external validation of an MRI radiomics-based machine learning model to predict tumour recurrence in brain metastases treated with Gamma Knife radiosurgery.
背景:脳転移に対するGKRS後の再発を予測することはサルベージ療法の指針となるが、MRIラジオミックス研究はしばしば外部検証を欠いている。
方法:103病変(23再発)と外部TCIA 125病変(20再発)の造影T1 MRI検査からIBSI準拠ラジオミクスを抽出した。LOGフィルタリングを評価した。相関フィルタリング+LASSOで選択された特徴;ロジスティック回帰(80/20分割)を訓練し、外部的に検証した。SHAPは特徴を説明し、RQSは厳密性を評価した。
結果:最良のモデル(LOGフィルター処理されたMRI+臨床):81%の精度、AUC 0.93内部;79%の精度、AUC 0.78外部。臨床変数はパフォーマンスを改善した。SHAPはCompactness2とIntensityRangeに加えて、最大線量、性別、原発部位を強調した。
結論:解釈可能なラジオミクス+臨床モデルはよく一般化されており、プロスペクティブな多施設共同検証が必要である。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2025.111362
PMID: 41455497
コメント