術前MRIを用いた結腸直腸癌肝転移の術後生存予測のための自動化ラジオミクスフレームワーク

要旨: 結腸直腸癌肝転移（CRLM）は肝切除術により治癒の可能性がある一方で、患者の転帰は依然として極めて異質である。術後生存予測は、非利益な手術を回避し、個別化治療を導くために必要である。本研究では、前造影および造影後MRIを用いた術後CRLM生存予測の自動化AIフレームワークを提示する。2013年から2020年の間に根治を意図した肝切除術を受ける前にガドセタ酸造影MRIを受けたCRLM患者227例を回顧的に解析した。生存予測フレームワークは、解剖学的認識を持つセグメンテーションパイプラインに続く放射線リノミクスパイプラインから成り、セグメンテーションパイプラインは部分的にアノテーションされたデータから肝臓、CRLM、脾臓のセグメンテーションを学習し、プロンプト対応型ファウンデーションモデルを活用して疑似ラベルを生成する。これを支えるため、SAMONAIという3D点ベースのセグメンテーションへ拡張するプロンプト伝播アルゴリズムを提案する。予測された前・造影セグメンテーションはその後放射線リノミクスパイプラインに入力され、腫瘍ごとの特徴を抽出し、時点イベント生存予測のための自己符号化器ベースの多重インスタンスニューラルネットワークであるSurvAMINNを用いて生存予測を行う。SurvAMINNは右検閲データから次元削減と生存予測を共同で学習し、高リスク転移を強調する。我々はこのフレームワークを、単変量および多変量Cox回帰を用いて確立された方法やバイオマーカーと比較した。セグメンテーションパイプラインは肝臓0.96、脾臓0.93の中央値Diceスコアを達成し、CRLMセグメンテーションDiceスコア0.78、検出F1スコア0.79を導く。正確なセグメンテーションにより、放射線リノミクスパイプラインは生存予測のC-indexを0.69に達成できる。我々の結果は、セグメンテーションアルゴリズムとリノミクスベースの生存解析を統合することで、正確で自動化されたCRLMアウトカム予測を実現する可能性を示している。