論文の概要: Time-driven Survival Analysis from FDG-PET/CT in Non-Small Cell Lung Cancer

• arxiv url: http://arxiv.org/abs/2604.06885v1
• Date: Wed, 08 Apr 2026 09:43:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.461452
• Title: Time-driven Survival Analysis from FDG-PET/CT in Non-Small Cell Lung Cancer
• Title（参考訳）: 非小細胞肺癌におけるFDG-PET/CTの生存時間解析
• Authors: Sambit Tarai, Ashish Chauhan, Elin Lundström, Johan Öfverstedt, Therese Sjöholm, Veronica Sanchez Rodriguez, Håkan Ahlström, Joel Kullberg,
• Abstract要約: 非小細胞肺癌(NSCLC)患者の生存率(OS)を予測する枠組みを開発した。 提案フレームワークはResNet-50バックボーンを用いて入力画像の処理と対応する画像埋め込みを生成する。 埋め込みは時間的データと組み合わせて、時間的関数としてのOS確率を生成し、時間に基づく予測を効果的にパラメータ化する。
• 参考スコア（独自算出の注目度）: 0.4850337362214834
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: Automated medical image-based prediction of clinical outcomes, such as overall survival (OS), has great potential in improving patient prognostics and personalized treatment planning. We developed a deep regression framework using tissue-wise FDG-PET/CT projections as input, along with a temporal input representing a scalar time horizon (in days) to predict OS in patients with Non-Small Cell Lung Cancer (NSCLC). Methods: The proposed framework employed a ResNet-50 backbone to process input images and generate corresponding image embeddings. The embeddings were then combined with temporal data to produce OS probabilities as a function of time, effectively parameterizing the predictions based on time. The overall framework was developed using the U-CAN cohort (n = 556) and evaluated by comparing with a baseline method on the test set (n = 292). The baseline utilized the ResNet-50 architecture, processing only the images as input and providing OS predictions at pre-specified intervals, such as 2- or 5-year. Results: The incorporation of temporal data with image embeddings demonstrated an advantage in predicting OS, outperforming the baseline method with an improvement in AUC of 4.3%. The proposed model using clinical + IDP features achieved strong performance, and an ensemble of imaging and clinical + IDP models achieved the best overall performance (0.788), highlighting the complementary value of multimodal inputs. The proposed method also enabled risk stratification of patients into distinct categories (high vs low risk). Heat maps from the saliency analysis highlighted tumor regions as key structures for the prediction. Conclusion: Our method provided an automated framework for predicting OS as a function of time and demonstrates the potential of combining imaging and tabular data for improved survival prediction.
• Abstract（参考訳）: 目的: 全身生存 (OS) などの医療画像に基づく臨床結果の自動予測は, 患者の予後やパーソナライズされた治療計画を改善する上で大きな可能性を秘めている。 組織学的にFDG-PET/CTプロジェクションを入力とし,非小細胞肺癌(NSCLC)患者のOSを予測するために,スカラー時間水平線(数日)を表す時間入力を併用した深部回帰フレームワークを開発した。 方法:提案フレームワークはResNet-50バックボーンを用いて入力画像の処理と対応する画像埋め込みを生成する。 埋め込みは時間的データと組み合わせて、時間的関数としてのOS確率を生成し、時間に基づく予測を効果的にパラメータ化する。 全体フレームワークは、U-CANコホート(n = 556)を用いて開発され、テストセット(n = 292)のベースライン法との比較により評価された。 ベースラインはResNet-50アーキテクチャを使用し、イメージのみを入力として処理し、2年や5年といった特定の間隔でOS予測を提供する。 結果: 画像埋め込みによる時間データの取り込みはOS予測の優位性を示し, AUCの4.3%の改善とともにベースライン法よりも優れていた。 提案した臨床+IDP特徴を用いたモデルは高い性能を達成し,画像と臨床+IDPモデルのアンサンブルが最高の総合性能(0.788)を達成し,マルチモーダル入力の相補的価値を強調した。 提案手法は,患者のリスク層を異なるカテゴリー(高いリスクと低いリスク)に分類することを可能にする。 塩分濃度分析から得られた熱マップでは腫瘍領域が予測の鍵となる構造として強調された。 結論:本手法はOSを時間関数として自動予測するフレームワークを提供し,画像と表データを組み合わせて生存予測を改善する可能性を示した。

関連論文リスト

• PRIME: Prototype-Driven Multimodal Pretraining for Cancer Prognosis with Missing Modalities [86.63247982275396]
  PRIMEは、欠落を認識したマルチモーダルな自己教師型事前トレーニングフレームワークである。 部分的に観察されたコホートから頑健で伝達可能な表現を学ぶ。 The Cancer Genome AtlasのPRIMEを32種類の癌に対してラベルフリープレトレーニングで評価した。
  論文  参考訳（メタデータ） (2026-04-05T21:14:27Z)
• Methodology for Comparing Machine Learning Algorithms for Survival Analysis [55.65997641180011]
  生存分析のための6つの機械学習モデルを評価した。 XGB-AFTは最高性能(C-Index = 0.7618; IPCW = 0.7532、GBSAとRCF)を達成した。
  論文  参考訳（メタデータ） (2025-10-28T14:42:28Z)
• Multitask LSTM for Arboviral Outbreak Prediction Using Public Health Data [0.0]
  本稿ではブラジル・レシフェにおけるアルボウイルスの発生とケースカウントの同時予測のためのマルチタスク学習手法を提案する。 提案モデルでは,バイナリ分類(アウトブレイク検出)と回帰(ケース予測)タスクを同時に実行する。 このアーキテクチャは、病気やタスク間での競合的なパフォーマンスを提供し、データ限定の公衆衛生シナリオにおけるスケーラブルな流行予測のための統合モデリング戦略の実現可能性とメリットを実証する。
  論文  参考訳（メタデータ） (2025-05-07T16:58:18Z)
• Time-to-Event Pretraining for 3D Medical Imaging [44.46415168541444]
  本稿では,3次元医用画像モデルのための事前トレーニングフレームワークである,時間とイベントの事前トレーニングを紹介する。 我々は18,945個のCTスキャン(420万枚の2D画像)のデータセットと、何千ものEHR由来のタスクにまたがる時間-時間分布を用いています。 提案手法は,AUROCの平均値が23.7%,HarrellのC-インデックスが29.4%向上し,結果予測が向上する。
  論文  参考訳（メタデータ） (2024-11-14T11:08:54Z)
• A Framework for Evaluating Predictive Models Using Synthetic Image Covariates and Longitudinal Data [0.0]
  患者データを縦断的観察で合成するための新しい枠組みを提案する。 提案手法は,各データモダリティを生成する潜在空間における制御的関連性を導入する。 光コヒーレンストモグラフィー(OCT)スキャンを用いて,本フレームワークの実証を行った。
  論文  参考訳（メタデータ） (2024-10-21T16:43:16Z)
• 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)
• DG-TTA: Out-of-domain Medical Image Segmentation through Augmentation and Descriptor-driven Domain Generalization and Test-Time Adaptation [43.842694540544194]
  ドメイン外の画像に事前訓練された深層学習セグメンテーションモデルを適用すると、品質の不足を予測できる。 本研究では、拡張とともに強力な一般化記述子を用いて、ドメイン一般化事前学習とテスト時間適応を実現することを提案する。
  論文  参考訳（メタデータ） (2023-12-11T10:26:21Z)
• Histopathologic Cancer Detection [0.0]
  この作業では、PatchCamelyonベンチマークデータセットを使用して、モデルをマルチレイヤのパーセプトロンと畳み込みモデルでトレーニングし、精度の高いリコール、F1スコア、精度、AUCスコアでモデルのパフォーマンスを観察する。 また,データ拡張を伴うResNet50とInceptionNetモデルを導入し,ResNet50が最先端モデルに勝てることを示す。
  論文  参考訳（メタデータ） (2023-11-13T19:51:46Z)
• tdCoxSNN: Time-Dependent Cox Survival Neural Network for Continuous-time Dynamic Prediction [19.38247205641199]
  本研究では,時間依存型Coxサバイバルニューラルネットワーク(tdCoxSNN)を提案する。 提案手法と共同モデリングおよびランドマーク手法を広範囲なシミュレーションにより評価・比較する。
  論文  参考訳（メタデータ） (2023-07-12T03:03:40Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)

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。