論文の概要: A Patient-Specific Digital Twin for Adaptive Radiotherapy of Non-Small Cell Lung Cancer
- arxiv url: http://arxiv.org/abs/2602.18496v1
- Date: Sun, 15 Feb 2026 01:47:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-24 17:42:02.102253
- Title: A Patient-Specific Digital Twin for Adaptive Radiotherapy of Non-Small Cell Lung Cancer
- Title（参考訳）: 非小細胞肺癌に対する適応的放射線治療のためのDigital Twinの1例
- Authors: Anvi Sud, Jialu Huang, Gregory R. Hart, Keshav Saxena, John Kim, Lauren Tressel, Jun Deng,
- Abstract要約: 安全な放射線治療のためのテンポラルデジタルツインアーキテクチャを開発した。
GRUオートエンコーダを用いて臓器特異的潜在性軌跡を学習し,ロジスティック回帰により毒性を予測する。
危険度は臨床毒性の前に数パーセントから上昇していたため,AIによる早期警戒窓が有効であることが判明した。
- 参考スコア（独自算出の注目度）: 5.3024618575567235
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Radiotherapy continues to become more precise and data dense, with current treatment regimens generating high frequency imaging and dosimetry streams ideally suited for AI driven temporal modeling to characterize how normal tissues evolve with time. Each fraction in biologically guided radiotherapy(BGRT) treated non small cell lung cancer (NSCLC) patients records new metabolic, anatomical, and dose information. However, clinical decision making is largely informed by static, population based NTCP models which overlook the dynamic, unique biological trajectories encoded in sequential data. We developed COMPASS (Comprehensive Personalized Assessment System) for safe radiotherapy, functioning as a temporal digital twin architecture utilizing per fraction PET, CT, dosiomics, radiomics, and cumulative biologically equivalent dose (BED) kinetics to model normal tissue biology as a dynamic time series process. A GRU autoencoder was employed to learn organ specific latent trajectories, which were classified via logistic regression to predict eventual CTCAE grade 1 or higher toxicity. Eight NSCLC patients undergoing BGRT contributed to the 99 organ fraction observations covering 24 organ trajectories (spinal cord, heart, and esophagus). Despite the small cohort, intensive temporal phenotyping allowed for comprehensive analysis of individual dose response dynamics. Our findings revealed a viable AI driven early warning window, as increasing risk ratings occurred from several fractions before clinical toxicity. The dense BED driven representation revealed biologically relevant spatial dose texture characteristics that occur before toxicity and are averaged out with traditional volume based dosimetry. COMPASS establishes a proof of concept for AI enabled adaptive radiotherapy, where treatment is guided by a continually updated digital twin that tracks each patients evolving biological response.
- Abstract（参考訳）: 放射線治療はより正確でデータ密度が高くなり続けており、現在の治療レギュラーは、時間とともに正常な組織がどのように進化するかを特徴づけるために、AI駆動の時間モデリングに適した高周波イメージングとドシメトリーストリームを生成する。
非小細胞肺癌(NSCLC)患者に対する生物学的誘導放射線療法(BGRT)の各々の分画は、新しい代謝、解剖学的および線量情報を記録する。
しかし臨床的な意思決定は、静的な人口ベースNTCPモデルによって主に理解され、シーケンシャルデータに符号化された動的でユニークな生物学的軌跡を見渡すことができる。
安全放射線治療のためのCompASS (Comprehensive Personalized Assessment System) を開発し, PET, CT, 線量, 累積生物学的等価線量 (BED) を動的時系列プロセスとしてモデル化した。
GRUオートエンコーダを用いて臓器特異的潜在性軌跡を学習し、ロジスティック回帰法により最終CTCAEグレード1以上の毒性を予測する。
BGRTを施行した8例のNSCLCは,24臓器軌跡(脊髄,心臓,食道)をカバーする99例の臓器分画観察に寄与した。
小さなコホートにもかかわらず、集中的な時間的表現型は、個々の線量反応ダイナミクスの包括的な分析を可能にした。
危険度は臨床毒性の前に数パーセントから上昇していたため,AIによる早期警戒窓が有効であることが判明した。
BEDによる高密度表現は、毒性の前に発生し、従来の量に基づく線量測定で平均化される生物学的に関係のある空間線量テクスチャ特性を示した。
CompASSは、AIを応用した適応放射線治療の概念の証明を確立しており、治療は継続的に更新されたデジタルツインによって誘導され、各患者が生物学的反応を進行するのを追跡する。
関連論文リスト
- One-shot synthesis of rare gastrointestinal lesions improves diagnostic accuracy and clinical training [45.49415063761575]
EndoRareは、単一の参照画像から多種多様な高忠実度病変を合成する、ワンショットでリトレーニング不要な生成フレームワークである。
われわれはこの枠組みを4つの稀な病理から検証した。
これらの結果は, コンピュータ支援診断と臨床教育の両方において, 希少なギャップを埋める実践的でデータ効率のよい方法を確立している。
論文 参考訳（メタデータ） (2025-12-30T15:07:09Z) - SoC-DT: Standard-of-Care Aligned Digital Twins for Patient-Specific Tumor Dynamics [13.83306392535935]
スタンダード・オブ・ケア(SoC)療法下での腫瘍軌跡の正確な予測は、腫瘍学において大きな未解決の課題である。
反応拡散腫瘍成長モデルを統一する微分可能なフレームワークであるStandard-of-Care Digital Twin(SoC-DT)を紹介する。
また, SoC 処理時の安定性, 肯定性, スケーラビリティを確保するために, 暗黙的に指数関数的な時間差解決器 IMEX-SoC も提案されている。
論文 参考訳（メタデータ） (2025-09-29T04:14:11Z) - Live(r) Die: Predicting Survival in Colorectal Liver Metastasis [0.01268579273097071]
大腸癌はしばしば肝に転移し、長期生存率を大幅に低下させる。
現在の予後モデルは、しばしば限られた臨床または分子的特徴に基づいており、十分な予測力を持っていない。
コントラスト前・後MRIによる外科的予後予測のための完全自動フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-10T19:02:59Z) - Towards Digital Twins for Optimal Radioembolization [0.4893896929103368]
放射線塞栓 (Radioembolization) は、肝動脈内に挿入されたカテーテルを介して、放射線マイクロスフィアを腫瘍に伝達する、局所的な肝がん治療である。
複雑な肝動脈解剖、血流の変化、微小粒子輸送の不確実性により、最適化は困難である。
本研究は、高忠実度計算流体力学(CFD)および/または最近の物理インフォームド機械学習アプローチを用いた肝放射線塞栓デジタル双生児の枠組みを概説する。
論文 参考訳（メタデータ） (2025-08-30T00:30:42Z) - Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。
症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。
臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
論文 参考訳（メタデータ） (2025-08-20T01:58:45Z) - ImmunoDiff: A Diffusion Model for Immunotherapy Response Prediction in Lung Cancer [10.797150801746957]
非Small cell Lung Cancer (NSCLC) における免疫療法反応の正確な予測は, いまだに重要ではない。
既存の放射能と深層学習に基づく予測モデルは、主にカテゴリー的反応の結果を予測するための前処理画像に依存している。
本研究では,治療後CTスキャンをベースライン画像から合成し,臨床的に関係のある制約を取り入れた解剖学的拡散モデルであるImmuDiffを紹介する。
論文 参考訳（メタデータ） (2025-05-29T17:19:40Z) - Semi-Supervised Learning for Dose Prediction in Targeted Radionuclide: A Synthetic Data Study [42.75913504373651]
TRT(Targeted Radionuclide Therapy)は、がん細胞に特異的に強力な放射線照射を投与することを目的とした、放射線腫瘍学の現代的な戦略である。
深層学習はRTをパーソナライズすることを約束する。
現在の方法では大量のSPECT画像撮影が必要であるが、日常的な臨床実践では達成できない。
論文 参考訳（メタデータ） (2025-03-07T12:21:09Z) - ONCOPILOT: A Promptable CT Foundation Model For Solid Tumor Evaluation [3.8763197858217935]
ONCOPILOTは、全身を覆う約7,500個のCTスキャンに基づいて訓練された、インタラクティブな放射線基礎モデルである。
ポイントクリックやバウンディングボックスのような視覚的なプロンプトを使って3D腫瘍のセグメンテーションを行い、最先端のモデルより優れています。
ONCOPILOTは測定プロセスを加速し、リーダー間のばらつきを低減する。
論文 参考訳（メタデータ） (2024-10-10T13:36:49Z) - CIResDiff: A Clinically-Informed Residual Diffusion Model for Predicting Idiopathic Pulmonary Fibrosis Progression [38.14873567230233]
特発性肺線維症(IPF)は患者の死亡率に大きく相関する。
現在の臨床基準では1年間隔で2回のCT検査を必要とする疾患の進行を規定している。
そこで我々は, 患者のCT画像からIPFの進行を正確に予測する新しい拡散モデルを開発した。
論文 参考訳（メタデータ） (2024-08-01T22:01:42Z) - 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) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - iPhantom: a framework for automated creation of individualized
computational phantoms and its application to CT organ dosimetry [58.943644554192936]
本研究の目的は、患者固有の幻覚やデジタル双眼鏡の自動作成のための新しいフレームワーク、iPhantomを開発し、検証することである。
この枠組みは、個々の患者のCT画像における放射線感受性臓器への放射線線量を評価するために応用される。
iPhantomは、アンカーオルガンのDice similarity Coefficients (DSC) >0.6の精度で全ての臓器の位置を正確に予測し、他のオルガンのDSCは0.3-0.9である。
論文 参考訳（メタデータ） (2020-08-20T01:50:49Z)
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。