原題
Prediction of Symptomatic Radiation Pneumonitis in Lung Cancer Patients: A Radiomics and Dosiomics Machine Learning Approach Using the Prospective Multicenter RTOG 0617 and REQUITE trials.
背景:胸部RT後のRPは臨床的に重要な毒性である。本研究では、症候性RP(CTCAE≧2)を予測するためのラジオミクスおよびドシオミクスを評価した。
方法:708人の患者(441人のRTOG 0617トレーニング、267人のREQUET検証)。使用したCT、EQD2、DVHおよび臨床パラメータ。10×5-fold nested CVにおけるmRMR特徴選択を伴うランダムフォレスト;不均衡のためのSMOTE Tomek。QUANTEC NTCPを参照とし、技術(3D-CRT対IMRT)で層別化した解析。
結果:最良のラジオミックスAUC 0.56;NTCP AUC 0.56全体(3D-CRT 0.75、IMRT 0.50)。ドシオミクスは技術依存性を示した(AUC 0.75対0.39)。技術特異的ドシオミクスアンサンブルは試験AUC 0.61に達し、IMRT予測を改善したが、臨床モデルは3D-CRTよりも優れていた。
結論:ラジオミクス/ドシオミクスは予測力に限界があり、技術依存性が強いことから、IMRT特異的モデルはさらなる研究が必要である。
Journal: Int J Radiat Oncol Biol Phys (CiteScore 2022: 11)
DOI: 10.1016/j.ijrobp.2026.01.031
PMID: 41720170
コメント