論文の概要: Novel Radiomic Measurements of Tumor- Associated Vasculature Morphology
on Clinical Imaging as a Biomarker of Treatment Response in Multiple Cancers
- arxiv url: http://arxiv.org/abs/2210.02273v1
- Date: Wed, 5 Oct 2022 13:58:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-06 15:20:39.944114
- Title: Novel Radiomic Measurements of Tumor- Associated Vasculature Morphology
on Clinical Imaging as a Biomarker of Treatment Response in Multiple Cancers
- Title(参考訳): 多発癌における治療反応のバイオマーカーとしての臨床像における腫瘍関連血管形態の新しい放射能測定
- Authors: Nathaniel Braman, Prateek Prasanna, Kaustav Bera, Mehdi Alilou,
Mohammadhadi Khorrami, Patrick Leo, Maryam Etesami, Manasa Vulchi, Paulette
Turk, Amit Gupta, Prantesh Jain, Pingfu Fu, Nathan Pennell, Vamsidhar
Velcheti, Jame Abraham, Donna Plecha and Anant Madabhushi
- Abstract要約: 腫瘍関連血管造影(QuanTAV)と呼ばれる新しい放射線バイオマーカーの分類を報告する。
腫瘍関連血管の形状と構造は,多発癌および治療における予後・予測バイオマーカーとしての可能性が示唆された。
- 参考スコア(独自算出の注目度): 2.9475893559701905
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Purpose: Tumor-associated vasculature differs from healthy blood vessels by
its chaotic architecture and twistedness, which promotes treatment resistance.
Measurable differences in these attributes may help stratify patients by likely
benefit of systemic therapy (e.g. chemotherapy). In this work, we present a new
category of radiomic biomarkers called quantitative tumor-associated
vasculature (QuanTAV) features, and demonstrate their ability to predict
response and survival across multiple cancers, imaging modalities, and
treatment regimens.
Experimental Design: We segmented tumor vessels and computed mathematical
measurements of twistedness and organization on routine pre-treatment radiology
(CT or contrast-enhanced MRI) from 558 patients, who received one of four
first-line chemotherapy-based therapeutic intervention strategies for breast
(n=371) or non-small cell lung cancer (NSCLC, n=187).
Results: Across 4 chemotherapy-based treatment strategies, classifiers of
QuanTAV measurements significantly (p<.05) predicted response in held out
testing cohorts alone (AUC=0.63-0.71) and increased AUC by 0.06-0.12 when added
to models of significant clinical variables alone. QuanTAV risk scores were
prognostic of recurrence free survival in treatment cohorts chemotherapy for
breast cancer (p=0.002, HR=1.25, 95% CI 1.08-1.44, C-index=.66) and
chemoradiation for NSCLC (p=0.039, HR=1.28, 95% CI 1.01-1.62, C-index=0.66).
Categorical QuanTAV risk groups were independently prognostic among all
treatment groups, including NSCLC patients receiving chemotherapy (p=0.034,
HR=2.29, 95% CI 1.07-4.94, C-index=0.62).
Conclusions: Across these domains, we observed an association of vascular
morphology on radiology with treatment outcome. Our findings suggest the
potential of tumor-associated vasculature shape and structure as a prognostic
and predictive biomarker for multiple cancers and treatments.
- Abstract(参考訳): 目的: 腫瘍関連血管は, 治療抵抗性を促進するカオス構造とねじれ性によって, 健康な血管とは異なる。
これらの特性の計測上の違いは、全身療法(例えば化学療法)の利益によって患者を階層化するのに役立つ。
本研究は, 腫瘍関連血管の定量的特徴(QuanTAV)と呼ばれる放射線バイオマーカーの新たなカテゴリを提示し, 複数の癌に対する応答と生存, 画像モダリティ, 治療レギュラーの予測能力を示す。
実験設計: 腫瘍血管の分画とCT, 造影MRIの組織化を計算し, 乳がん(n=371)と非小細胞肺癌(NSCLC, n=187)の4つの治療法の1つを施行した558例について検討した。
結果: 4 つの化学療法ベースの治療戦略,QuanTAV 測定値の分類器 (p<.05) は, 有意な臨床変数のみのモデルに付加すると, AUC を 0.06-0.12 増加させた。
乳がん治療コホーツ化学療法 (p=0.002, HR=1.25, 95% CI 1.08-1.44, C-index=.66), NSCLC化学療法 (p=0.039, HR=1.28, 95% CI 1.01-1.62, C-index=0.66) では, 再発が認められなかった。
化学療法を受けたNSCLC患者 (p=0.034, HR=2.29, 95% CI 1.07-4.94, C-index=0.62) を含む全ての治療群で, カテゴリーのQuanTAVリスク群は独立に予後が良好であった。
結論: これらの領域で, 放射線学における血管形態と治療成績との関連が認められた。
多発癌および治療における予後・予測バイオマーカーとしての腫瘍関連血管形態・構造の可能性が示唆された。
関連論文リスト
- TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。
VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。
本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
論文 参考訳(メタデータ) (2024-11-05T19:35:10Z) - 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) - Deep Learning-based Prediction of Breast Cancer Tumor and Immune Phenotypes from Histopathology [3.9270231212340354]
各患者の腫瘍に対する腫瘍および免疫性表現型を再現的に測定する方法は広くは存在しない。
原発性乳癌のヘマトキシリンおよびエオシンスライドから10種類の生物学的関連経路の活性を評価するために,MILアルゴリズムを適用した。
訓練されたモデルでは,H&Eから細胞サブ集団の生物学的に関連する空間パターンを認識できる。
論文 参考訳(メタデータ) (2024-04-25T08:15:37Z) - Prediction of Breast Cancer Recurrence Risk Using a Multi-Model Approach
Integrating Whole Slide Imaging and Clinicopathologic Features [0.6679306163028237]
本研究の目的は,スライド画像全体と臨床病理学的データを分析し,関連する乳癌再発リスクを予測するマルチモデルアプローチを開発することである。
提案手法では,特徴抽出に畳み込みニューラルネットワーク,コンテキストアグリゲーションに視覚変換器を用いる。
論文 参考訳(メタデータ) (2024-01-28T23:33:56Z) - Prediction of Rapid Early Progression and Survival Risk with
Pre-Radiation MRI in WHO Grade 4 Glioma Patients [0.5365740459403827]
非REP症例からのREP予測のための診断・予後ツールとして,Ra-diomics,高度多分解能フラクタルテクスチャ,分子特性について検討した。
コホートの生存予測は0.881の精度で、標準偏差は0.056である。
さらに, マルチ分解能フラクタルテクスチャ特性は, REPやサバイバル結果の従来の放射能特性よりも優れていた。
論文 参考訳(メタデータ) (2023-06-28T20:03:18Z) - 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) - Enhancing Clinical Support for Breast Cancer with Deep Learning Models
using Synthetic Correlated Diffusion Imaging [66.63200823918429]
深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。
我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。
提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
論文 参考訳(メタデータ) (2022-11-10T03:02:12Z) - Exploiting segmentation labels and representation learning to forecast
therapy response of PDAC patients [60.78505216352878]
化学療法に対する腫瘍反応を予測するためのハイブリッドディープニューラルネットワークパイプラインを提案する。
セグメンテーションから分類への表現伝達の組み合わせと、ローカライゼーションと表現学習を利用する。
提案手法は, 合計477個のデータセットを用いて, ROC-AUC 63.7% の処理応答を予測できる, 極めて効率的な手法である。
論文 参考訳(メタデータ) (2022-11-08T11:50:31Z) - Predicting Cancer Treatments Induced Cardiotoxicity of Breast Cancer
Patients [7.253038065520483]
異なる治療を受けた乳癌患者の心毒性リスクは未だ不明である。
EHRデータを用いた乳癌患者の心毒性予測モデルの開発と評価を行った。
論文 参考訳(メタデータ) (2022-01-31T07:33:56Z) - L1-regularized neural ranking for risk stratification and its
application to prediction of time to distant metastasis in luminal node
negative chemotherapy na\"ive breast cancer patients [9.269883992088147]
そこで我々は,このような疑問に答えるために,ランキングに基づく検閲対応機械学習モデルを提案する。
早期乳癌(ER+またはHER2-)患者の遠隔転移と早期臨床パラメータとの関連について検討した。
本研究は,遠隔転移のリスクが高い症例と低い症例の鑑別が可能であることを示す。
論文 参考訳(メタデータ) (2021-08-23T19:04:18Z) - Comparison of Machine Learning Classifiers to Predict Patient Survival
and Genetics of GBM: Towards a Standardized Model for Clinical Implementation [44.02622933605018]
放射線モデルは、グリオ芽腫(GBM)の結果予測のための臨床データを上回ることが示されています。
GBM患者の生存率(OS),IDH変異,O-6-メチルグアニン-DNA-メチルトランスフェラーゼ(MGMT)プロモーターメチル化,EGFR(EGFR)VII増幅,Ki-67発現の9種類の機械学習分類器を比較した。
xgb は os (74.5%), ab for idh 変異 (88%), mgmt メチル化 (71,7%), ki-67 発現 (86,6%), egfr増幅 (81。
論文 参考訳(メタデータ) (2021-02-10T15:10:37Z)
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。