原題
Dosiomics-guided deep learning for radiation esophagitis prediction in lung cancer: optimal region of interest definition via multi-branch fusion auxiliary learning.
背景:正確なROI描写は、放射線性食道炎(RE)のラジオミクスに基づく予測に重要である。本研究は、グレード2以上のREを予測するために、放射線量分布画像のマルチタスク補助学習を用いたドジノミクス深層学習モデルを開発することを目的とした。
方法:3つの病院からの後ろ向きデータ(トレーニングおよび内部検証:2020年1月2022年12月;外部検証:2021年1月-2022年12月および2022年1月-2023年12月)を用いた。ドシオミクス誘導型深層学習(DGD)ネットワークは、ドシオミクスの特徴を高次元DLの特徴と統合し、対照的な学習と補助セグメンテーションモジュールを用いてROIを定義し、REを予測した。
結果:488人の患者(235訓練、101内部評価、57外部1、95外部2)。DGD ResNet34は、それぞれ0.88(95%CI 0.76-0.95)、0.82(0.65-0.96)、および0.83(0.74-0.92)のAUCを達成した。
結論:DGDモデルはROI定義を自動化し、肺癌放射線治療におけるグレード2以上のREを効果的に予測する。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2025.111121
PMID: 40921328
コメント