論文の概要: Association of Progressive PPFE and Mortality in Lung Cancer Screening Cohorts

• arxiv url: http://arxiv.org/abs/2603.09531v2
• Date: Tue, 17 Mar 2026 14:06:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 15:30:47.449861
• Title: Association of Progressive PPFE and Mortality in Lung Cancer Screening Cohorts
• Title（参考訳）: 肺癌検診コホートにおける進行性PPFEと死亡率との関連
• Authors: Shahab Aslani, Mehran Azimbagirad, Daryl Cheng, Daisuke Yamada, Ryoko Egashira, Adam Szmul, Justine Chan-Fook, Robert Chapman, Alfred Chung Pui So, Shanshan Wang, John McCabe, Tianqi Yang, Jose M Brenes, Eyjolfur Gudmundsson, The SUMMIT Consortium, Susan M. Astley, Daniel C. Alexander, Sam M. Janes, Joseph Jacob,
• Abstract要約: Pleuroparenchymalfibroelastosis (PPFE) は上大線維性肺疾患である。 肺癌検診におけるPPFE進行の臨床的意義は明らかでない。
• 参考スコア（独自算出の注目度）: 5.971403380829146
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background: Pleuroparenchymal fibroelastosis (PPFE) is an upper lobe predominant fibrotic lung abnormality associated with increased mortality in established interstitial lung disease. However, the clinical significance of radiologic PPFE progression in lung cancer screening (LCS) populations remains unclear. Methods: We analysed longitudinal low-dose CT scans and clinical data from two LCS studies: National Lung Screening Trial (NLST; n=7,980); SUMMIT study (n=8,561). An automated algorithm quantified PPFE volume on baseline and follow-up scans. Annualised change in PPFE was derived and dichotomised using a distribution-based threshold to define progressive PPFE. Associations between progressive PPFE and mortality were evaluated using Cox proportional hazards models adjusted for demographic and clinical variables. In SUMMIT cohort, associations between progressive PPFE and clinical outcomes were assessed using incidence rate ratios (IRR) and odds ratios (OR). Findings: Progressive PPFE independently associated with mortality in both LCS cohorts (NLST: Hazard Ratio (HR)=1.25, 95% Confidence Interval (CI): 1.01--1.56, p=0.042; SUMMIT: HR=3.14, 95% CI: 1.66--5.97, p<0.001). Within SUMMIT, progressive PPFE was strongly associated with higher respiratory admissions (IRR=2.79, p<0.001), increased antibiotic and steroid use (IRR=1.55, p=0.010), and showed a trend towards higher modified medical research council scores (OR=1.40, p=0.055). Interpretation: Radiologic PPFE progression independently associates with mortality across two large LCS cohorts, and associates with adverse clinical outcomes. Quantitative assessment of PPFE progression may provide a clinically relevant imaging biomarker to identify individuals at increased risk of respiratory morbidity within LCS programmes.
• Abstract（参考訳）: 背景: Pleuroparenchymal fibroelastosis (PPFE) は確立した間質性肺疾患の死亡率の増加に伴う上葉優占性線維性肺障害である。 しかし, 肺がん検診(LCS)における放射線学的PPFE進行の臨床的意義は明らかでない。 方法: 縦断的低用量CT検査と2つのLCS(National Lung Screening Trial: NLST; n=7,980), SUMMIT(n=8,561。 ベースラインとフォローアップスキャンに基づいてPPFEボリュームを定量化するアルゴリズム。 PPFEの年次変化は分布ベース閾値を用いて導出され, プログレッシブPPFEを定義する。 コックス比例ハザードモデルを用いて, 進行性PPFEと死亡率の関連性を評価した。 SUMMITコホートでは、プログレッシブPPFEと臨床成績の関連性について、入射率比(IRR)とオッズ比(OR)を用いて評価した。 発見:進行性PPFEは両方のLCSコホート(NLST: Hazard Ratio (HR)=1.25,95% Confidence Interval (CI): 1.01--1.56, p=0.042, SUMMIT: HR=3.14, 95% CI: 1.66--5.97, p<0.001)の死亡と独立に関連している。 SUMMITでは, プログレッシブPPFEは, 高い呼吸入室率 (IRR=2.79, p<0.001), 抗生物質およびステロイド使用率 (IRR=1.55, p=0.010) と強く関連し, 改善医療研究委員会スコア (OR=1.40, p=0.055) の傾向を示した。 解釈:Radiologic PPFEの進行は2つの大きなLCSコホートにおける死亡率と独立に関連し,臨床的に悪影響を及ぼす。 PPFE進行の定量的評価は、LCSプログラム内の呼吸障害のリスクが高い個人を特定するための臨床的に関連するイメージングバイオマーカーを提供する可能性がある。

関連論文リスト

• Imaging-Based Mortality Prediction in Patients with Systemic Sclerosis [50.46938276133494]
  全身性硬化症(SSc)における間質性肺疾患(ILD)の死因 本研究は,放射能と深層学習を利用して死亡率を予測する,新しい大規模胸部CT解析フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-27T23:46:57Z)
• Pulmonary Embolism Mortality Prediction Using Multimodal Learning Based on Computed Tomography Angiography and Clinical Data [31.830488752817804]
  本研究の目的は,CTPA(CTPA),臨床データ,肺重症度指数(PESI)スコアを用いて深層学習モデルを構築し,PE死亡率を予測することである。
  論文  参考訳（メタデータ） (2024-06-03T13:10:13Z)
• Machine learning predicts long-term mortality after acute myocardial infarction using systolic time intervals and routinely collected clinical data [0.35998666903987897]
  樹齢14年以内の死亡率を予測するため,木に基づくMLアルゴリズムの性能について検討した。 機能セットにbPEPとbETを追加することで,アルゴリズムの性能が大幅に向上した。 この進歩は、リスクの高い個人に対してより良い治療優先順位付けを可能にする可能性がある。
  論文  参考訳（メタデータ） (2024-03-03T15:23:49Z)
• A new algorithm for Subgroup Set Discovery based on Information Gain [58.720142291102135]
  Information Gained Subgroup Discovery (IGSD)は、パターン発見のための新しいSDアルゴリズムである。 IGSDと最先端の2つのSDアルゴリズム(FSSDとSSD++)を比較した。 IGSDはFSSDやSSD++よりもOR値が優れており、パターンとターゲットへの依存度が高い。
  論文  参考訳（メタデータ） (2023-07-26T21:42:34Z)
• Penalized Deep Partially Linear Cox Models with Application to CT Scans of Lung Cancer Patients [42.09584755334577]
  肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。 NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。 本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T15:38:16Z)
• Incremental Value and Interpretability of Radiomics Features of Both Lung and Epicardial Adipose Tissue for Detecting the Severity of COVID-19 Infection [4.772846544299196]
  現在のセグメンテーション法は位置情報を考慮していない。 新型コロナウイルス(COVID-19)の検出は、解釈可能性を制限するEATラジオミクスの特徴に対する厳格な考慮を欠いている。 本研究は、新型コロナウイルス感染症の重症度を検出するために、EATおよび肺からの放射能の特徴を用いることを検討する。
  論文  参考訳（メタデータ） (2023-01-29T03:31:51Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Deep Learning Predicts Cardiovascular Disease Risks from Lung Cancer Screening Low Dose Computed Tomography [23.614559487371935]
  がん患者は一般人口よりも心血管疾患(CVD)の死亡リスクが高い。 肺がんスクリーニングのためのLDCTは、リスクの高い患者のCVDリスクを同時に推定する機会を提供する。 深層学習は、肺がんスクリーニングのためのLDCTを、CVDリスク推定のための二重スクリーニング定量的ツールに変換することができる。
  論文  参考訳（メタデータ） (2020-08-16T21:07:01Z)
• Automated Quantification of CT Patterns Associated with COVID-19 from Chest CT [48.785596536318884]
  提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。 この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。 このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
  論文  参考訳（メタデータ） (2020-04-02T21:49:14Z)

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。