AI 技術を用いた乳がん患者に対する NAT 後の PCR の評価モデルの構築と検証

乳がんは、世界中の女性の間で最も一般的ながんです。 ネオアジュバント治療 (NAT) は、乳癌の標準化された治療の一部であり、局所進行乳癌では特に重要です。 NAT 後に病理学的完全奏効 (pCR) を達成した患者は、無病生存率と全生存率が高くなる可能性があることが多くの研究で示されているため、根治手術の生存率の利点はそれほど重要ではありません。 しかし、現在、pCRは外科的切除標本の病理学的検査によってのみ判断されており、術前にpCRを正確に判断できるかどうかは喫緊の課題となっています。

人工知能 (AI) 技術は、知能の本質を理解し、人間の知能と同様の方法で応答できる新しいインテリジェント マシンを作成しようとするコンピューター サイエンスの一部門であり、その中で画像認識が臨床研究で重要なものとして広く使用されています。 AIのコンポーネント。 近年、AI および関連するアルゴリズムの開発に伴い、ますます多くの研究者が画像を使用して NAT の有効性をより正確に判断し、根治手術から pCR を達成し、決して達成しない患者の一部を免除しようとしています。より良い外観と生存の質。

Simon のチームは、2006 年から 2016 年にオーストラリアの Salzburg Oncology Center に通院した 246 人の患者を選択し、10 年以上の経験を持つ画像科学者によって手術前に DCE-MRI を読み取り、完全寛解の判断を下しましたが、より悲観的な結果が得られました。結果: わずか 48% の陽性的中率。 jinsun のチームは、2007 年から 2016 年に Samsung Medical Center で NAT を受けた患者を選択しました。 その結果、放射線完全奏効 (rCR) と乳房 pCR との間の一致テストのカッパ値は 0.459 であり、腋窩 rCR と腋窩 pCR との間の一致テストのカッパ値は、Woo と Erika のチームが false- pCR の MRI 測定が陰性であり、G1-2、Luminal A/B サブタイプ、および非塊状増強を有する患者は、MRI による完全寛解の評価が困難であることが示唆されました。 現在、臨床応用のレベルを決定するために pCR の従来のモデリング手法を使用することが困難であることは明らかです。

エリザベスのチームは、術前 MRI、特徴抽出のための AI 技術、および臨床病理学的情報を使用して pCR 決定モデルを構築しました。このモデルは、AUC 0.83 (95% CI: 0.71-0.94) の独立した検証セットで良好に機能しました。 Imon のチームは、Riesz 特徴抽出を使用して、NAT を受けているトリプルネガティブ乳がん患者の pCR を決定し、最終モデル ROC は 0.85 に達しました。 中国の武漢にある武漢連合医科大学病院の放射線科のヤン ファン教授のチームは、マルチフェーズ DCE-MRI パラメータと機械学習アルゴリズムを使用してモデルを構築し、曲線下の最大 ROC 領域は 0.919 に達しました。 上記の結果は、AI 技術を使用した画像組織学の pCR 決定モデルが、従来のモデルと比較して大幅に改善されていることを示しています。

ますます多くの研究がNAT pCR決定のための組織学の画像化の重要性を確認していますが、現在の研究の多くにはいくつかの欠陥があります. 国際標準の画像組織学RQSスコアを使用して評価すると、ほとんどの研究で次のことがわかりました。（i）外部検証コホートがありません。 (ii) パラメータ抽出の適切な説明を提供していませんでした。 (iii) イメージング パラメータの標準化されたプロセスが欠けていた。 （iv）サンプルサイズが小さかった。 したがって、より体系的で標準化された研究は、大多数の研究者によってまだ実施されていません。

したがって、このプロジェクトでは、乳房に関する国際的なガイドラインと国内の専門家のコンセンサスに従って、人工知能技術を使用して、複数のセンターでの乳がん患者の臨床情報、画像および病理情報に基づいて、乳がんの NAT 後の pCR を決定するためのモデルを確立および検証する予定です。癌 NAT は、NAT 後の患者の外科的意思決定の問題を解決するために、中国全土のいくつかの三次医療病院の乳房医学、外科、病理学、および画像診断部門の専門家を組み合わせることによって行われます。 このモデルは、NAT 後の患者の外科的意思決定の問題を解決するために検証されます。