原題
An intelligent postoperative management system for glioblastoma integrating automated segmentation, risk stratification, and recurrence spatial mapping.
背景:術後のリスク層別化および空間的標的化を自動化することにより、膠芽腫における放射線療法およびサーベイランスを最適化するための改善されたツールが必要である。
方法:DeepGBM-Recureには、3つのモジュールがある:空洞周囲FLAIRの3D nnU-Netセグメンテーション、ラジオミクスおよびランダムフォレストを用いた患者レベルの再発予測、およびスーパーボクセルを用いたボクセル単位の高リスクマッピング。145人の患者(2施設)で訓練/検証され、39人の患者(2施設)で外部検査を受けた。
結果:セグメンテーションダイス0.85±0.09;患者およびボクセルレベルのAUC 0.76および0.80。ボクセルマップは再発との強い空間的一致を示し、キャリブレーションおよび決定曲線分析は適用性を支持した。
結論:放射線治療のための自動描写、個別化されたリスク層別化、および空間的ガイダンスのための統合ツール;プロスペクティブな多施設検証が必要である。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2025.111180
PMID: 41043616
コメント