CT画像に基づく腹膜がん指数（PCI）領域の深層学習によるセグメンテーション

Abstract

腹膜播種は現在、診断的腹腔鏡により Sugarbaker の腹膜癌指数（sPCI）を決定することで評価されています。この方法は腹部を13領域に分割し、各領域を腫瘍サイズに基づいてスコアリングすることによって機能します。最近のコンセンサス研究では、放射線学的 PCI（rPCI）を促進するために3D領域が定義され、画像に基づく評価のための標準化された解剖学的領域が提供されました。臨床的価値がある一方で、sPCI は侵襲的であり、標準化された画像対応手段がありません。本研究では、CT上で rPCI 領域を自動的にセグメンテーションする深層学習ベースのアプローチを提案します。3名の臨床研究者が rPCI 領域を手動でアノテーションし、さらに2名の専門放射線科医によって検証された62件のCTスキャンを用いて、nnU-Net と Swin UNETR を評価しました。性能は、5分割交差検証により、Dice 類似度係数（Dice）、95パーセンタイル Hausdorff 距離、平均表面距離を用いて評価しました。nnU-Net は全体の Dice が 0.82 を達成し、観察者間一致（0.88）に近づくとともに Swin UNETR（0.76）を上回りました。残された課題は主に右腹側（right flank）および小腸領域でした。これらの結果は、自動化された rPCI セグメンテーションの実現可能性を示し、非侵襲的で画像に基づく評価のための基盤を築くものです。