みなさんこんにちは！日々機械学習を学ぶ外科医のさとうです。
今回は2021年にBreast Cancerに掲載されたAIで乳がんのリンパ節転移を予測するモデル構築に関する論文について一緒に勉強していきましょう。
今回紹介する論文はこちらです。
Pubmedから検索。
Google scholarから検索。
今回の論文
論文：A machine learning‑based radiomics model for the prediction of axillary lymph‑node metastasis in breast cancer
著者：Bong-II Song et al.
雑誌：Breast Cancer (2021) 28:664–671
AIで乳がんのリンパ節転移を予測する
＜背景＞
本研究の目的は、FDG PET/CT を用いて、浸潤性乳管癌 (IDC) の腋窩リンパ節 (ALN) 転移を予測するための機械学習に基づくモデルを作成し、検証することである。
＜方法＞
センチネルリンパ節生検および/または腋窩リンパ節郭清を伴う原発腫瘍の外科的切除を受けた、ネオアジュバント治療を受けていないIDC患者100名を解析した。Volume of Interest（VOI）は、3Dスライサーを用いたPETスキャンで、原発巣の標準化された取り込み値の2.5倍以上を描画した。腫瘍形態の特徴の抽出にはPythonのPyradiomics packageを使用した。腋窩リンパ節転移の予測モデルは、トレーニングコホートの75人の患者で開発され、テストコホートの25人の患者で検証された。特徴量の選択とモデルの構築には，XGBoostアルゴリズムを用いた。予測モデルの感度、特異度、精度を算出した。
＜結果＞
ALN転移は43名（43％）に認められた。 FDG PET/CTによるALN転移の診断の感度は55.8％、特異度は93％、精度は77％であった。また、ALN転移予測のためのモデルの構築に成功した。このモデルによるALN転移の予測の感度、特異度、精度はそれぞれ90.9%、71.4%、80%であった。
＜結論＞
機械学習に基づいたモデルは、ALN転移の予測に良好な感度を示し、IDC患者のALNの状態を術前に個別に予測するのに役立つ可能性がある。
＜Objective＞
The aim of this study was to develop and validate machine learning-based radiomics model for predicting axillary
lymph-node (ALN) metastasis in invasive ductal breast cancer (IDC) using F-18 fluorodeoxyglucose (FDG) positron
emission tomography/computed tomography (PET/CT).
＜Methods＞
A total of 100 consecutive IDC patients who underwent surgical resection of primary tumor with sentinel lymphnode
biopsy and/or ALN dissection without any neoadjuvant treatment were analyzed. Volume of interests (VOIs) were drawn
more than 2.5 of standardized uptake value in the primary tumor on the PET scan using 3D slicer. Pyradiomics package was
used for the extraction of texture features in python. The radiomics prediction model for ALN metastasis was developed in
75 patients of the training cohort and validated in 25 patients of the test cohort. XGBoost algorithm was utilized to select
features and build radiomics model. The sensitivity, specificity, and accuracy of the predictive model were calculated.
＜Results＞
ALN metastasis was found in 43 patients (43%). The sensitivity, specificity, and accuracy of F-18 FDG PET/CT for
the diagnosis of ALN metastasis in the entire patients were 55.8%, 93%, and 77%, respectively. The radiomics model for the
prediction of ALN metastasis was successfully developed. The sensitivity, specificity, and accuracy of the radiomics model
for the prediction of ALN metastasis in the test cohorts were 90.9%, 71.4%, and 80%, respectively.
＜Conclusion＞
The machine learning-based radiomics model showed good sensitivity for the prediction of ALN metastasis and
could assist the preoperative individualized prediction of ALN status in patients with IDC.
さいごに
いかがでしたでしょうか。今回はAIを用いた乳腺領域の研究について一緒に勉強しました。
完全未経験から独学でプログラミング、Pythonを学んだ私の経験をこちらに紹介しています！
Twitterでも役立つ情報を配信していますのでよかったらフォローしてみてください！
では、また！
