原題
Pretreatment Radiation Esophagitis Prediction using Quantum Machine Learning in Esophageal Cancer Patients.
背景:食道癌における治療前の放射線性食道炎(RE)の予測は管理の指針となる。本研究では、治療前RE予測のためのハイブリッド量子-古典機械学習(QML)アプローチを提示する。
方法:218人の患者(トレイン/内部)と55人の患者(外部)は、量子論的状態に角度コード化された用量分布を有していた。Q-CNN、Q-CNN+Attention、およびQ-CNN+Q-Attentionからの量子的特徴を、線量学的(D)および臨床的(C)特徴と融合させ、ランダムフォレストはグレード2以上のREを予測した。
結果:量子のみの外部精度0.70-0.83. 最良融合モデル(Q-CNN+Q-Attention Q+D+C)は、外部精度0.83、感度0.73、特異度0.89、AUC 0.89(トレイン/内部)および0.83(外部)を達成した。
結論:量子増強マルチモーダル融合は治療前RE予測を改善し、臨床的に有望であることを示した。
Journal: Int J Radiat Oncol Biol Phys (CiteScore 2022: 11)
DOI: 10.1016/j.ijrobp.2026.03.010
PMID: 41850494
コメント