高悪性度漿液性卵巣がんにおける術前CTベースの組織学的化学療法反応スコア予測のためのビジョントランスフォーマー

要旨: 目的。高悪性度漿液性卵巣癌（HGSOC）は、顕著な生物学的および空間的異質性を特徴とし、しばしば進行期で診断される。術前化学療法（NACT）の後に遅延した一次手術を行うことは、初回の細胞減量手術が適さない患者で一般的に用いられる。化学療法反応スコア（CRS）は、NACTに対する反応の検証済みの病理組織学的バイオマーカーであるが、利用可能なのは術後のみである。本研究では、治療反応の期待値についての情報を多職種チーム（MDT）の議論に役立てるための調査的な意思決定支援の補助として、治療前のコンピュータ断層撮影（CT）画像および臨床データを用いてCRSを予測できるかどうかを検討する。 方法。われわれは、事前学習済みのVision Transformerエンコーダを用いて病変が密に存在する大網スライスを処理し、得られた視覚表現を中間融合モジュールを介して臨床変数と統合することでCRSを予測する、2.5Dのマルチモーダル深層学習フレームワークを提案した。 結果。画像と臨床データを統合したわれわれのマルチモーダルモデルは、内部テストコホート（IEO、n=41）においてROC-AUC 0.95、正確度95%、精度（precision）80%を達成した。外部テストセット（OV04、n=70）では、ROC-AUC 0.68、正確度67%、精度（precision）75%を達成した。 結論。これらの予備的結果は、日常的な臨床データとCT画像を用いて、HGSOCにおける術前のCRS予測にトランスフォーマー型深層学習を適用できる可能性を示している。調査的な治療前意思決定支援ツールとして、本アプローチは治療反応の早期かつ非侵襲的な推定値を提示することでMDTの議論を支援し得る。