論文の概要: A Metabolic-Imaging Integrated Model for Prognostic Prediction in Colorectal Liver Metastases

• arxiv url: http://arxiv.org/abs/2507.19734v1
• Date: Sat, 26 Jul 2025 01:29:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:56.083493
• Title: A Metabolic-Imaging Integrated Model for Prognostic Prediction in Colorectal Liver Metastases
• Title（参考訳）: 大腸癌肝転移の予後予測のためのメタボリックイメージング統合モデル
• Authors: Qinlong Li, Pu Sun, Guanlin Zhu, Tianjiao Liang, Honggang QI,
• Abstract要約: 本研究は,術後再発リスクを予測するための頑健な機械学習モデルを開発し,検証した。 コントラスト造影CTでは,術前臨床パラメータと放射線学的特徴に入力変数を制限した。 3ヶ月の再発予測モデルでは、AUCが0.723のクロスバリデーションで最適性能を示した。
• 参考スコア（独自算出の注目度）: 5.6492616107251274
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prognostic evaluation in patients with colorectal liver metastases (CRLM) remains challenging due to suboptimal accuracy of conventional clinical models. This study developed and validated a robust machine learning model for predicting postoperative recurrence risk. Preliminary ensemble models achieved exceptionally high performance (AUC $>$ 0.98) but incorporated postoperative features, introducing data leakage risks. To enhance clinical applicability, we restricted input variables to preoperative baseline clinical parameters and radiomic features from contrast-enhanced CT imaging, specifically targeting recurrence prediction at 3, 6, and 12 months postoperatively. The 3-month recurrence prediction model demonstrated optimal performance with an AUC of 0.723 in cross-validation. Decision curve analysis revealed that across threshold probabilities of 0.55-0.95, the model consistently provided greater net benefit than "treat-all" or "treat-none" strategies, supporting its utility in postoperative surveillance and therapeutic decision-making. This study successfully developed a robust predictive model for early CRLM recurrence with confirmed clinical utility. Importantly, it highlights the critical risk of data leakage in clinical prognostic modeling and proposes a rigorous framework to mitigate this issue, enhancing model reliability and translational value in real-world settings.
• Abstract（参考訳）: 大腸癌肝転移 (CRLM) の予後評価は, 従来の臨床モデルの至適精度のため, いまだに困難である。 本研究は,術後再発リスクを予測するための頑健な機械学習モデルを開発し,検証した。 予備アンサンブルモデルは非常に高い性能(AUC$=0.98)を達成したが、術後の機能は組み込まれ、データ漏洩のリスクがもたらされた。 臨床応用性を高めるため,術後3,6,12カ月の再発予測を対象とする造影CT画像から,術前臨床パラメータと放射線学的特徴に入力変数を限定した。 3ヶ月の再発予測モデルでは、AUCが0.723のクロスバリデーションで最適性能を示した。 決定曲線解析により,0.55-0.95のしきい値確率において,このモデルが「治療オール」や「治療ヌーン」戦略よりも一貫した純利益をもたらし,術後の監視および治療決定におけるその有用性を支持したことが明らかとなった。 本研究は,臨床的有用性が確認された早期CRLM再発予測モデルの開発に成功した。 重要なことは、臨床予後モデリングにおけるデータ漏洩の重大なリスクを強調し、この問題を軽減するための厳格な枠組みを提案し、実際の環境におけるモデルの信頼性と翻訳価値を高めることである。

関連論文リスト

• Evaluating the Predictive Value of Preoperative MRI for Erectile Dysfunction Following Radical Prostatectomy [0.1314058888017264]
  前立腺機能不全(ED)の術前予測は,根治的前立腺切除術を施行した患者のカウンセリングに重要である。 臨床のみのベースライン,MRIによる手作り解剖学的特徴を用いた古典的モデル,MRIスライスを直接訓練したディープラーニングモデル,画像と臨床入力のマルチモーダル融合の4つのモデル戦略を評価した。
  論文  参考訳（メタデータ） (2025-08-05T14:00:07Z)
• SurgeryLSTM: A Time-Aware Neural Model for Accurate and Explainable Length of Stay Prediction After Spine Surgery [44.119171920037196]
  選択的脊椎手術における滞在時間(LOS)予測のための機械学習モデルの開発と評価を行った。 我々は,従来のMLモデルと,マスク付き双方向長短期記憶(BiLSTM)であるオペレーショナルLSTMを比較した。 決定係数(R2)を用いて性能を評価し,説明可能なAIを用いて鍵予測器を同定した。
  論文  参考訳（メタデータ） (2025-07-15T01:18:28Z)
• Outcome prediction and individualized treatment effect estimation in patients with large vessel occlusion stroke [0.0]
  改良されたランキンスケールスコアを用いて,機能的結果を予測するための解釈可能な深層学習モデルを開発し,評価した。 非造影CT (NCCT) と血管造影 (CTA) を新しい基礎モデルを用いて検討した。 機能的予後の最も重要な予測因子は前ストローク障害であった。
  論文  参考訳（メタデータ） (2025-07-03T09:51:56Z)
• AUTOCT: Automating Interpretable Clinical Trial Prediction with LLM Agents [47.640779069547534]
  AutoCTは、大規模言語モデルの推論能力と古典的な機械学習の説明可能性を組み合わせた、新しいフレームワークである。 臨床治験予測タスクにおいて, AutoCT は SOTA 法と同等以上の性能を示した。
  論文  参考訳（メタデータ） (2025-06-04T11:50:55Z)
• Machine Learning-Based Model for Postoperative Stroke Prediction in Coronary Artery Disease [0.0]
  本研究では,術後脳卒中リスクを評価するための高度な機械学習予測モデルを開発し,評価することを目的とする。 データセットには70%のトレーニングと30%のテストがあり、数値は正規化され、カテゴリ変数は1ホットエンコードされた。 ロジスティック回帰、XGBoost、SVM、CatBoostは予測モデルに使われ、SHAP分析は各変数のストロークリスクを評価した。
  論文  参考訳（メタデータ） (2025-03-15T02:50:32Z)
• Prediction of Lung Metastasis from Hepatocellular Carcinoma using the SEER Database [0.9055332067000195]
  肝細胞癌(HCC)は、がん関連死亡の原因である。 HCCにおける肺転移の予測モデルは、範囲と臨床応用性に限られている。 本研究では,Surveillance, Epidemiology, End Results (SEER)データベースのデータを用いて,エンドツーエンドの機械学習パイプラインの開発と検証を行う。
  論文  参考訳（メタデータ） (2025-01-20T20:06:31Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• Modeling Long Sequences in Bladder Cancer Recurrence: A Comparative Evaluation of LSTM,Transformer,and Mamba [0.0]
  本研究では,Cox比例ハザードモデルを用いて,時系列データを扱う深層学習モデルの利点を統合する。 LSTM-Coxモデルは、TransformerやMambaといった新しいモデルにまたがる、リカレントなデータ解析と特徴抽出のための堅牢で効率的な方法である。
  論文  参考訳（メタデータ） (2024-05-28T18:38:15Z)
• Recurrence-Free Survival Prediction for Anal Squamous Cell Carcinoma Chemoradiotherapy using Planning CT-based Radiomics Model [5.485361086613949]
  非転移性肛門扁平上皮癌(SCC)患者の約30%が化学療法後の再発を経験する 我々は,放射線前処置計画CTから抽出した情報を利用して,CRT後のSCC患者における再発無生存(RFS)を予測するモデルを開発した。
  論文  参考訳（メタデータ） (2023-09-05T20:22:26Z)
• Improved Prognostic Prediction of Pancreatic Cancer Using Multi-Phase CT by Integrating Neural Distance and Texture-Aware Transformer [37.55853672333369]
  本稿では, 異なる患者のCT像における腫瘍と血管の正確な関係を記述した, 学習可能なニューラル距離を提案する。 発達したリスクマーカーは, 術前因子の生存率の予測因子として最強であった。
  論文  参考訳（メタデータ） (2023-08-01T12:46:02Z)
• Bayesian prognostic covariate adjustment [59.75318183140857]
  疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。 我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
  論文  参考訳（メタデータ） (2020-12-24T05:19:03Z)
• Increasing the efficiency of randomized trial estimates via linear adjustment for a prognostic score [59.75318183140857]
  ランダム化実験による因果効果の推定は臨床研究の中心である。 歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
  論文  参考訳（メタデータ） (2020-12-17T21:10:10Z)
• MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
  本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。 我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。 我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
  論文  参考訳（メタデータ） (2020-10-08T15:30:17Z)

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。