原題
A multi-toxicity deep learning approach for normal tissue complication probability modelling in head and neck cancer patients receiving radiotherapy.
背景:頭頚部癌における放射線毒性は共存し、メカニズムを共有しているが、NTCPモデルは通常単一エンドポイントを予測する。本研究では、毒性間の関係を利用するために、深層学習多重毒性(MT)モデルを開発した。
方法:1,418人の患者において,用量,CT, OARおよび臨床データを用いた3D DL MTモデルは5つの6か月毒性を予測し,参照および単一毒性DLモデルと比較した。
結果:MTは嚥下障害(AUC 0.83対0.81/0.82)および口腔乾燥症(0.80対0.75/0.78)を改善し、誤嚥(0.74)と一致したが、粘着性唾液および味については悪化し、外部検証では同様の平均AUCを示した(MT 0.64対0.63)。
結論:MTモデルは、すべてではないが一部の毒性の予測を改善することができ、毒性に特化したモデル設計は依然として重要である。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2026.111486
PMID: 41856253
コメント