論文の概要: H&E-based Computational Biomarker Enables Universal EGFR Screening for Lung Adenocarcinoma

• arxiv url: http://arxiv.org/abs/2206.10573v1
• Date: Tue, 21 Jun 2022 17:52:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-22 19:23:59.242797
• Title: H&E-based Computational Biomarker Enables Universal EGFR Screening for Lung Adenocarcinoma
• Title（参考訳）: H&E-Computational Biomarkerは肺腺癌に対するユニバーサルEGFRスクリーニングを可能にする
• Authors: Gabriele Campanella, David Ho, Ida H\"aggstr\"om, Anton S Becker, Jason Chang, Chad Vanderbilt, Thomas J Fuchs
• Abstract要約: 肺腺癌はTKI療法に対して高い反応を示した。 現在、シークエンシングはEGFR変異の分子試験における金の標準となっている。 本稿では,EGFR変異の予測に病理画像と臨床変数を統合するマルチモーダルアプローチを提案する。
• 参考スコア（独自算出の注目度）: 1.0270324467535463
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lung cancer is the leading cause of cancer death worldwide, with lung adenocarcinoma being the most prevalent form of lung cancer. EGFR positive lung adenocarcinomas have been shown to have high response rates to TKI therapy, underlying the essential nature of molecular testing for lung cancers. Despite current guidelines consider testing necessary, a large portion of patients are not routinely profiled, resulting in millions of people not receiving the optimal treatment for their lung cancer. Sequencing is the gold standard for molecular testing of EGFR mutations, but it can take several weeks for results to come back, which is not ideal in a time constrained scenario. The development of alternative screening tools capable of detecting EGFR mutations quickly and cheaply while preserving tissue for sequencing could help reduce the amount of sub-optimally treated patients. We propose a multi-modal approach which integrates pathology images and clinical variables to predict EGFR mutational status achieving an AUC of 84% on the largest clinical cohort to date. Such a computational model could be deployed at large at little additional cost. Its clinical application could reduce the number of patients who receive sub-optimal treatments by 53.1% in China, and up to 96.6% in the US.
• Abstract（参考訳）: 肺腺癌は肺がんの最も一般的な形態であり、肺がんは世界中で最も多い死因である。 EGFR陽性肺腺癌はTKI療法に高い反応率を示しており、肺癌の分子検査の本質となっている。 現在のガイドラインでは、検査の必要性を考慮しているが、ほとんどの患者は定期的にプロファイルされていないため、数百万人が肺がんの最適な治療を受けていない。 シークエンシング(Sequencing)はEGFR変異の分子試験における金の標準であるが、結果が戻ってくるまでに数週間かかる可能性がある。 シークエンシングのための組織を保存しながらEGFR変異を迅速かつ安価に検出できる代替スクリーニングツールの開発は、準最適治療患者の数を減らすのに役立つ。 今回我々は,EGFR変異の予測に病理画像と臨床変数を統合し,これまでで最大の臨床コホートで84%のAUCを達成できる多モードアプローチを提案する。 このような計算モデルは、少ない追加コストでデプロイできる。 その臨床応用は、中国では53.1%、米国では96.6%の患者を減少させる可能性がある。

関連論文リスト

• Optimizing Synthetic Correlated Diffusion Imaging for Breast Cancer Tumour Delineation [71.91773485443125]
  CDI$s$ - 最適化されたモダリティにより最高のAUCが達成され、金標準のモダリティが0.0044より優れていることを示す。 特に、最適化されたCDI$s$モダリティは、最適化されていないCDI$s$値よりも0.02以上のAUC値を達成する。
  論文  参考訳（メタデータ） (2024-05-13T16:07:58Z)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
  ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。 ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。 本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
  論文  参考訳（メタデータ） (2024-05-13T15:40:56Z)
• EXACT-Net:EHR-guided lung tumor auto-segmentation for non-small cell lung cancer radiotherapy [7.531407604292937]
  非小細胞肺癌(NSCLC)患者の60%以上が放射線治療を必要とする。 当院で治療した10例のNSCLCデータを用いて結節検出が250%向上した。
  論文  参考訳（メタデータ） (2024-02-21T19:49:12Z)
• Solitary pulmonary nodules prediction for lung cancer patients using nomogram and machine learning [0.0]
  直径8mm未満の肺がんのリスクがある。 The age,precursor gastrin-releasing peptide (ProGRP), gender, carcinoembryonic Antigen (CEA), and stress Corrosion cracking (SCC) were independent key tumor markers。 開発したノモグラムは肺癌のリスクを予測する上で高い精度を示した。
  論文  参考訳（メタデータ） (2023-05-17T13:12:17Z)
• Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
  乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。 金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。 本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
  論文  参考訳（メタデータ） (2023-04-12T15:08:34Z)
• A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
  Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。 Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
  論文  参考訳（メタデータ） (2023-04-12T05:41:44Z)
• Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
  胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。 本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
  論文  参考訳（メタデータ） (2022-02-17T08:33:52Z)
• Automatic Generation of Interpretable Lung Cancer Scoring Models from Chest X-Ray Images [9.525711971667679]
  肺がんは世界中でがんの死因となっている。 深層学習技術は肺がんの診断に有効である。 これらの技術は、まだ医療コミュニティによって承認され、採用されていない。
  論文  参考訳（メタデータ） (2020-12-10T04:11:59Z)
• 3D Neural Network for Lung Cancer Risk Prediction on CT Volumes [0.6810862244331126]
  肺がんはアメリカ合衆国で最も多いがん死の原因である。 肺がんCT検査は、死亡率を40%まで下げることが示されている。 放射線診断の基準が採用されているにもかかわらず, 経年変化が持続的であり, 包括的画像所見の不完全な特徴が現在の方法の限界として残っている。 本稿では,肺がんリスク予測のための最先端ディープラーニングアルゴリズムを再現する。
  論文  参考訳（メタデータ） (2020-07-25T10:01:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。