論文の概要: Efficient AI-Driven Multi-Section Whole Slide Image Analysis for Biochemical Recurrence Prediction in Prostate Cancer
- arxiv url: http://arxiv.org/abs/2603.20273v1
- Date: Tue, 17 Mar 2026 07:58:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:38.788267
- Title: Efficient AI-Driven Multi-Section Whole Slide Image Analysis for Biochemical Recurrence Prediction in Prostate Cancer
- Title（参考訳）: 前立腺癌における生化学的再発予測のためのAI駆動多次元スライド画像解析
- Authors: Yesung Cho, Dongmyung Shin, Sujeong Hong, Jooyeon Lee, Seongmin Park, Geongyu Lee, Jongbae Park, Hong Koo Ha,
- Abstract要約: 本稿では,前立腺全体にわたる包括的腫瘍像を捉えるために,一連の多断面スライドを処理する新しいAIフレームワークを提案する。
提案手法は, 1年および2年間の生化学的再発予測において, 強い予測性能を示した。
AI由来のリスクスコアは、多変量コックス比例ハザード分析において最も強力な独立性予後因子として評価された。
- 参考スコア（独自算出の注目度）: 2.9768665714719247
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Prostate cancer is one of the most frequently diagnosed malignancies in men worldwide. However, precise prediction of biochemical recurrence (BCR) after radical prostatectomy remains challenging due to the multifocality of tumors distributed throughout the prostate gland. In this paper, we propose a novel AI framework that simultaneously processes a series of multi-section pathology slides to capture the comprehensive tumor landscape across the entire prostate gland. To develop this predictive AI model, we curated a large-scale dataset of 23,451 slides from 789 patients. The proposed framework demonstrated strong predictive performance for 1- and 2-year BCR prediction, substantially outperforming established clinical benchmarks. The AI-derived risk score was validated as the most potent independent prognostic factor in a multivariable Cox proportional hazards analysis, surpassing conventional clinical markers such as pre-operative PSA and Gleason score. Furthermore, we demonstrated that integrating patch and slide sub-sampling strategies significantly reduces computational cost during both training and inference without compromising predictive performance, and generalizability of AI was confirmed through external validation. Collectively, these results highlight the clinical feasibility and prognostic value of the proposed AI-based multi-section slide analysis as a scalable tool for post-operative management in prostate cancer.
- Abstract（参考訳）: 前立腺癌は世界中で最も頻繁に診断される悪性腫瘍の1つである。
しかし,前立腺全域に分布する腫瘍の多焦点性のため,根治的前立腺切除術後の生化学的再発(BCR)の正確な予測は依然として困難である。
本稿では,前立腺全体にわたる包括的腫瘍像を捉えるために,多区間の病理スライドを同時に処理する新しいAIフレームワークを提案する。
この予測AIモデルを開発するために、789人の患者から23,451スライドの大規模データセットをキュレートした。
提案手法は,BCR1年および2年予測において高い予測性能を示した。
AI由来のリスクスコアは、多変量コックス比例ハザード分析において最も強力な独立性予後因子として評価され、術前のPSAやGleasonスコアといった従来の臨床マーカーを上回った。
さらに、パッチとスライドのサブサンプリング戦略の統合は、予測性能を損なうことなく、トレーニングと推論の双方で計算コストを大幅に削減し、外部検証を通じてAIの一般化性を確認した。
これらの結果は,前立腺癌術後管理のためのスケーラブルなツールとして提案したAIベースの多区間スライド解析の臨床的実現可能性と予後に有意な意義を浮き彫りにしている。
関連論文リスト
- Deep Learning From Routine Histology Improves Risk Stratification for Biochemical Recurrence in Prostate Cancer [2.499184782167909]
根治的前立腺切除術後の生体化学的再発の持続的, 患者特異的リスクを予測できる深層学習型バイオマーカーを提案する。
CAPRA-S臨床リスクスコアと統合すると、深層学習リスクスコアはBCRの差別を一貫して改善する。
論文 参考訳（メタデータ） (2026-03-15T02:22:38Z) - AI-based Prediction of Biochemical Recurrence from Biopsy and Prostatectomy Samples [0.012216782333971603]
根治的前立腺切除術後の生化学的再発(BCR)は,前立腺がんに対する補助的マーカーである。
我々は、BCRの患者固有のリスクを予測するために、前立腺生検スライドの診断に関するAIベースのモデルを訓練した。
論文 参考訳（メタデータ） (2026-01-28T20:33:15Z) - Who Benefits From Sinus Surgery? Comparing Generative AI and Supervised Machine Learning for Predicting Surgical Outcomes in Chronic Rhinosinusitis [2.1349209400003932]
慢性副鼻腔炎(CRS)の術前予後予測について検討した。
全患者が手術を受けた前向きに収集したコホートでは,術前臨床データのみを用いたモデルで,予後不良者を特定することができた。
最適MLモデル(MLP)は、キャリブレーションと決定曲線ネットの利点に優れた精度で85%の精度を達成する。
論文 参考訳（メタデータ） (2026-01-20T08:07:58Z) - 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) - A Disease-Centric Vision-Language Foundation Model for Precision Oncology in Kidney Cancer [54.58205672910646]
RenalCLIPは、腎腫瘤の特徴、診断、予後のための視覚言語基盤モデルである。
腎がんの完全な臨床ワークフローにまたがる10のコアタスクにおいて、優れたパフォーマンスと優れた一般化性を実現した。
論文 参考訳（メタデータ） (2025-08-22T17:48:19Z) - 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) - Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted
Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。
拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。
本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
論文 参考訳（メタデータ） (2023-11-30T15:11:03Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳（メタデータ） (2023-07-10T09:49:30Z) - A Fully Automated and Explainable Algorithm for the Prediction of
Malignant Transformation in Oral Epithelial Dysplasia [8.927415909296819]
我々は,口腔悪性転換(OMT)リスクスコアを割り当てる人工知能アルゴリズムを開発した。
このアルゴリズムは、内部のセグメンテーションモデルを用いて、上皮内(および周辺)の核の検出とセグメンテーションに基づいている。
提案された OMTscore は、OED が悪性度に進行するか否かを予測するときに AUROC = 0.74 を得る。
論文 参考訳（メタデータ） (2023-07-06T19:11:00Z) - 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)
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。