論文の概要: Time-Conditioned and Multi-Time Survival Prediction from 2D PET/CT Projections in Lung Cancer

• arxiv url: http://arxiv.org/abs/2606.12140v1
• Date: Wed, 10 Jun 2026 14:34:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.505717
• Title: Time-Conditioned and Multi-Time Survival Prediction from 2D PET/CT Projections in Lung Cancer
• Title（参考訳）: 肺癌における2次元PET/CT像からの経時的・多時的生存予測
• Authors: Ashish Chauhan, Sambit Tarai, Elin Lundström, Johan Öfverstedt, Håkan Ahlström, Joel Kullberg,
• Abstract要約: 画像に基づく生存予測に対する時間モデルの影響はいまだ不十分である。 我々は2つの補完的アプローチを開発する: 注意誘導時分割生存(ATCS)とマルチタイム生存(MTS)である。 非小細胞肺癌(NSCLC)848例のPET/CT画像の検討
• 参考スコア（独自算出の注目度）: 0.5312941748006832
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate prediction of overall survival (OS) from positron emission tomography/computed tomography (PET/CT) can support personalized treatment and follow-up strategies in oncology. However, the impact of temporal modeling on imaging-based survival prediction remains insufficiently explored. We investigate how different temporal formulations influence survival prediction by developing two complementary approaches: Attention-guided Time-Conditioned Survival (ATCS) and Multi-Time Survival (MTS). We retrospectively analyzed pre-treatment PET/CT images from 848 patients with non-small cell lung cancer (NSCLC), including 556 for model development and 292 for held-out testing. A previously proposed Time-Conditioned Survival (TCS) model was used as a baseline. Models were trained using 5-fold cross-validation and evaluated on the test set using time-dependent area under the curve (AUC) at 6-month intervals from 0.5 to 5 years. Both ATCS and MTS outperformed the baseline TCS model, achieving mean AUCs of 0.794 and 0.793, respectively, compared to 0.767. ATCS performed better at earlier time points (0.5-3 years), whereas MTS performed better at later intervals (3.5-5 years). Combining tumor-specific and tissue-wise PET/CT features improved performance over either input alone. Finer temporal discretization improved short-term prediction, while coarser intervals provided more stable long-term estimates. These findings demonstrate that temporal modeling and input design influence PET/CT-based survival prediction. The proposed approaches enable time-specific survival estimation from pre-treatment imaging and may support improved risk stratification and clinical decision-making.
• Abstract（参考訳）: ポジトロン・エミッション・トモグラフィー/CT(PET/CT)による全身生存の正確な予測は、腫瘍学におけるパーソナライズされた治療とフォローアップ戦略をサポートすることができる。 しかし、画像に基づく生存予測に対する時間モデルの影響はいまだ不十分である。 本研究では,2つの相補的アプローチ(ATCS,Attention-guided Time-Conditioned Survival)とMTS(Multi-Time Survival,MTS)を開発することにより,時間的定式化が生存予測にどのように影響するかを検討する。 我々は,非小細胞肺癌(NSCLC)848例のPET/CT画像の逆解析を行った。 以前提案されたTCS(Time-Conditioned Survival)モデルがベースラインとして使用された。 モデルを5倍のクロスバリデーションを用いて訓練し, 曲線(AUC)下の時間依存領域を0.5年から5年間の6ヶ月間隔で評価した。 ATCSとMSSはともにベースラインTCSモデルより優れており、平均AUCは0.794、0.793である。 ATCSは早期(0.5～3年)に改善し,MSSは後期(3.5～5年)に改善した。 腫瘍特異的なPET/CTと組織学的PET/CTの組み合わせは、入力のみよりも性能が向上した。 時間的離散化は短期予測を改善し、粗い間隔はより安定した長期推定を提供した。 これらの結果から,時間的モデリングと入力設計がPET/CTによる生存予測に影響を及ぼすことが示唆された。 提案手法は, 治療前の画像から時間特異的生存推定を可能にし, リスク階層化の改善と臨床的意思決定を支援する可能性がある。

関連論文リスト

• Benchmarking Pathology Foundation Models for Breast Cancer Survival Prediction [18.4825895221291]
  乳がんの生存率予測に広く用いられ,最近提案されたPFMを,全スライディング組織像から評価した。 その結果,乳がん生存予測のためのPFMの大規模,外部的検証を行った初めてのベンチマークが得られた。
  論文  参考訳（メタデータ） (2026-04-27T16:38:11Z)
• AMO-ENE: Attention-based Multi-Omics Fusion Model for Outcome Prediction in Extra Nodal Extension and HPV-associated Oropharyngeal Cancer [1.425627770914466]
  ヒトパピローマウイルス(HPV)関連口腔咽頭癌(OPC)における経鼻延長(ENE)は出現する予後因子である 我々は,CT画像と臨床データを用いた完全自動エンドツーエンドパイプラインを提案し,結節ENEの状態を評価し,治療成績を予測する。
  論文  参考訳（メタデータ） (2026-04-10T12:50:57Z)
• Time-driven Survival Analysis from FDG-PET/CT in Non-Small Cell Lung Cancer [0.4850337362214834]
  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。
  論文  参考訳（メタデータ） (2026-04-08T09:43:30Z)
• Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
  ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。 ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。 MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
  論文  参考訳（メタデータ） (2025-11-19T20:11:49Z)
• 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)
• 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)
• Opportunistic Screening for Pancreatic Cancer using Computed Tomography Imaging and Radiology Reports [4.447609555191978]
  膵管腺癌(PDAC)は非常に攻撃的ながんであり,ステージIVで診断され,生存率は5%未満であった。 PDACリスクを予測するため,放射線画像とCT画像を統合した深層学習融合モデルの開発と評価を行った。
  論文  参考訳（メタデータ） (2025-03-31T21:13:42Z)
• Predicting risk of cardiovascular disease using retinal OCT imaging [40.71667870702634]
  心臓血管疾患(CVD)が世界的に死因となっている。 光コヒーレンストモグラフィー(OCT)は早期のCVDリスク予測の潜在的なツールとして認識されている。 我々は,将来のCVD事象を予測するための追加撮像技術としてのOCTの可能性について検討した。
  論文  参考訳（メタデータ） (2024-03-26T14:42:46Z)
• Prediction of recurrence free survival of head and neck cancer using PET/CT radiomics and clinical information [0.0]
  口腔咽頭HNC患者の再発性自由生存(RFS)を予測するコックス比例ハザード(CoxPH)モデルを構築した。 Computed Tomography (CT) と Positron Emission Tomography (PET) の腫瘍領域から抽出した臨床情報とマルチモーダルラジオミクスの特徴を利用する。 本研究は,放射線抽出におけるセグメンテーションの精度がPETとCTに異なる影響があることを確認した。
  論文  参考訳（メタデータ） (2024-02-28T15:35:41Z)
• Breast Cancer Induced Bone Osteolysis Prediction Using Temporal Variational Auto-Encoders [65.95959936242993]
  骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。 乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
  論文  参考訳（メタデータ） (2022-03-20T21:00:10Z)
• Joint Prediction and Time Estimation of COVID-19 Developing Severe Symptoms using Chest CT Scan [49.209225484926634]
  術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。 提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。 提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
  論文  参考訳（メタデータ） (2020-05-07T12:16:37Z)

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。