原題
Leveraging Inter-Radiomic Feature Relationships for Enhanced Prediction of Distant Metastasis and Characterization of Heterogeneity in Head and Neck Cancer.
背景:頭頚部癌の主な失敗原因は遠隔転移である。無遠隔転移生存期間(DMFS)を予測するためのCT深部ラジオミクスモデルを開発した。
方法:多施設3,421人の患者。ラジオミック特徴は、特徴間の関係をコード化するOmicsMapsにマッピングされた;CNNは、臨床変数と融合したシグネチャーを生成した。Cindexと時間依存AUCで評価;ラジオゲノミクスはTCGA RNA-seqを用いた。
結果:OmicsMap Cindices:0.742、0.768、0.671、従来のラジオミクスよりも約6%優れていた。融合により、Cindicesは0.864および0.730に改善され、リスクが層別化された(P<0.01)。低リスク腫瘍は免疫濃縮され、高リスクは増殖、低酸素、EMTおよびECMリモデリングを示した。
結論:OmicsMapはCTベースのDMFS予測を強化し、正確なリスク層別化をサポートする。
Journal: Int J Radiat Oncol Biol Phys (CiteScore 2022: 11)
DOI: 10.1016/j.ijrobp.2026.07.061
PMID: 42595261
コメント