AIを活用した食道がん術後再発に対する放射線治療の効果予測

点击翻译按钮获取中文摘要

先行研究の解析対象を見直し、根治術後にリンパ節転移が認められた例のみを抽出した。リンパ節転移ではなかった症例や、すでに遠隔転移があった緩和症例は除外した。インプットデータには放射線治療直前の診断用CT画像を使用し、合計86症例を対象とした。1症例に病変が複数ある場合は、それぞれを検討対象とした。造影あり：造影なし= 63人：6人、86病変:7病変だった。撮影されたCTボリュームの全体をモデルの入力データとした。予測対象は放射線治療1年後の予後と定義した。特徴量学習・分類アルゴリズムはMedical Netを用いた転移学習を用いた。インプットデータの処理による精度の変化の可能性として、(1) CT画像の切り取りサイズ変更による精度の変化、(2) データポイント（Tumor、 ヒト）による精度の変化、(3) 造影剤の有無による精度の変化、(4) データの拡張(オーグメンテーション)を活用することによる精度の変化を検討した。CT画像の切り取りサイズは20 x 20 x 20 mm、40 x 40 x 40 mm、80 x 80 x 80 mmの3種類を用いた。また、説明可能性の検討として、Integrated gradient, grad CAMを用いて予測に寄与する画像上の部位の特定可能性の検討を行った。上記の条件の元では、いずれも現時点で何らかの特徴を捉えて死亡と予測、生存と予測を判断している様子は認められなかった。