原題
KA-TMoE: A Deep Learning Method Using Time-Series CT Radiomics to Predict Post-Radiotherapy Rib Fractures in NSCLC Patients.
背景:肋骨骨折は医学的に手術不能なNSCLCにおけるSBRT後の合併症として認識されており、回復および生活の質を損なう;信頼できる予測ツールが必要である。
方法:67人の患者(>1,600肋骨)からの3つの時点での後ろ向きCTスキャン。縦断的CTラジオミクスとラジオミクスグループ化の知識を統合した知識認識型専門家の時間的混合(KA-TMoE)モデルを開発し、パフォーマンスと解釈可能性を評価した。
結果:検証AUC 0.792。縦断的およびグループ化の知見はパフォーマンスを改善した。高リスク群は骨折リスクが高かった(HR 10.82、p<0.001);KA-TMoEは依然として骨折と独立して関連していた(OR 12.05、p=0.002)。決定曲線は正味のベネフィットを示した。
結論:KA-TMoEは、より早期の個別化されたサーベイランスおよび介入を導くための有望な肋骨レベルのリスク層別化ツールである。
Journal: Int J Radiat Oncol Biol Phys (CiteScore 2022: 11)
DOI: 10.1016/j.ijrobp.2026.07.056
PMID: 42575323
コメント