論文の概要: Neoadjuvant chemotherapy response prediction using pretreatment diffusion and contrast-enhanced magnetic resonance imaging with clinical variables

• arxiv url: http://arxiv.org/abs/2609.26105v1
• Date: Tue, 18 Aug 2026 11:52:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.879106
• Title: Neoadjuvant chemotherapy response prediction using pretreatment diffusion and contrast-enhanced magnetic resonance imaging with clinical variables
• Title（参考訳）: 治療前拡散と造影MRIによる化学療法反応予測の臨床的検討
• Abstract要約: 新アジュバント化学療法前の病理学的完全反応の予測は治療計画の調整を促進する可能性がある。 本研究は, 明らかな拡散係数マップ, ダイナミックコントラスト強調MRI, 臨床変数を組み合わせた前処理データのみのディープラーニングモデルを提案する。
• 参考スコア（独自算出の注目度）: 0.731365367571807
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Prediction of pathological complete response before neoadjuvant chemotherapy may facilitate more tailored therapeutic planning for breast cancer patients. This work proposes a deep-learning model for pretreatment data only, combining apparent diffusion coefficient maps, dynamic contrast-enhanced magnetic resonance imaging, and clinical variables. The study uses the public ACRIN 6698/I-SPY2 multicenter dataset. The architecture employs EfficientNet-B0 pretrained encoders for image feature extraction and late fusion with clinical information. Multiple clinical variables were evaluated, including age, race, histological type, HR/HER2 subtype, SBR grade, and maximum diameter. Only HR/HER2 subtype improved the average area under the receiver operating characteristic curve (AUC) and was retained in the final model. Using stratified five-fold cross-validation, standalone apparent diffusion coefficient maps achieved a mean AUC of 0.79, whereas dynamic contrast-enhanced magnetic resonance imaging achieved 0.74. Adding HR/HER2 subtype improved performance to 0.83 and 0.81, respectively. The final configuration, using both imaging modalities and HR/HER2 subtype, achieved an AUC of 0.86. These results support pretreatment multimodal learning for response prediction, although external validation is required before clinical use.
• Abstract（参考訳）: 新アジュバント化学療法前の病理学的完全反応の予測は、乳癌患者に対してより適切な治療計画を立案するのに役立つかもしれない。 本研究は, 明らかな拡散係数マップ, ダイナミックコントラスト強調MRI, 臨床変数を組み合わせた前処理データのみのディープラーニングモデルを提案する。 この研究は、パブリックなACRIN 6698/I-SPY2マルチセンターデータセットを用いている。 このアーキテクチャは、画像の特徴抽出と臨床情報との後期融合のために、EfficientNet-B0事前訓練エンコーダを使用する。 年齢,人種,組織型,HR/HER2サブタイプ,SBRグレード,最大径など,複数の臨床変数が評価された。 HR/HER2サブタイプのみが受信機動作特性曲線(AUC)の下で平均領域を改善し、最終モデルで保持された。 層状5倍のクロスバリデーションを用いて、スタンドアローンの見かけの拡散係数マップは平均AUC0.79を達成し、ダイナミックコントラスト強調磁気共鳴画像は0.74を達成した。 HR/HER2 サブタイプをそれぞれ 0.83 と 0.81 に改善した。 最終的な構成は画像モダリティとHR/HER2サブタイプの両方を使用しており、AUCは0.86である。 これらの結果は, 臨床使用前に外的検証が必要であるが, 応答予測のための前処理マルチモーダル学習を支援する。

関連論文リスト

• Prospective evaluation of multimodal respiratory failure prediction: Do chest X-rays improve performance beyond EHR signals? [4.250825424649631]
  我々は、構造化EHR時系列データをCXR基礎モデル表現と統合するゲート型マルチモーダルフレームワークを開発した。 ICU患者24時間以内の侵襲的機械換気予測の枠組みについて検討した。
  論文  参考訳（メタデータ） (2026-05-25T18:25:47Z)
• Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
  CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。 構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。 Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
  論文  参考訳（メタデータ） (2026-03-23T05:46:45Z)
• Developing Predictive and Robust Radiomics Models for Chemotherapy Response in High-Grade Serous Ovarian Carcinoma [0.9165796164519936]
  ネオアジュバント化学療法 (Neoadjuvant chemotherapy, NACT) は、手術前に腫瘍の負担を軽減するためにしばしば用いられるが、約40%の患者は反応が限られている。 放射能と機械学習(ML)を組み合わせることで、NAT応答を予測するための有望な非侵襲的手法を提供する。 本研究は,異なる特徴選択法を用いてNACTを施行したHGSOC患者の応答予測を改善することを目的とした。
  論文  参考訳（メタデータ） (2026-01-13T11:29:02Z)
• Breast Cancer Neoadjuvant Chemotherapy Treatment Response Prediction Using Aligned Longitudinal MRI and Clinical Data [6.850780131537867]
  目的は、病理学的完全応答(PCRバイナリ分類)と5年間の再発のない生存状態(RFSバイナリ分類)を予測する機械学習モデルを開発することである。 提案するフレームワークは、腫瘍のセグメンテーション、画像登録、特徴抽出、予測モデリングを含む。 画像登録に基づく特徴抽出は予測モデルを一貫して改善する。
  論文  参考訳（メタデータ） (2025-12-19T16:32:31Z)
• Temporal Representation Learning of Phenotype Trajectories for pCR Prediction in Breast Cancer [0.18744139400550597]
  乳がん化学療法(NACT)を施行した症例において,画像データから治療反応の早期動態の表現を学習し,病理学的完全反応(pCR)を予測することを提案する。 乳房MRI(MRI)画像の経時的変化は、潜在空間の軌跡を形成し、応答の予測の基礎となる。 公開可能なISPY-2データセットの実験において、潜在軌道空間における線形分類器は、前処理データ(T0)と初期応答(T0+T1)と画像時間(0.861)のみを用いて0.761の平衡精度を達成する。
  論文  参考訳（メタデータ） (2025-09-18T11:37:27Z)
• 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)
• Neural Network-Based Histologic Remission Prediction In Ulcerative Colitis [38.150634108667774]
  潰瘍性大腸炎(UC)の新しい治療標的としての組織学的寛解 内視鏡(Endocytoscopy、EC)は、新しい超高倍率内視鏡技術である。 本稿では,心電図の組織学的疾患活動を評価するニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-28T15:54:14Z)
• 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)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)

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。