深層学習を用いた放射線誘発対比増強と腫瘍再発のマルチモーダル分類

要旨: 治療後の膠芽腫患者における腫瘍再発と放射線誘発対比増強の区別は依然として大きな臨床課題である。既存のアプローチは、臨床的に入手が限られる拡散MRIに依存するか、放射線マップを考慮していないため、この区別に関心が高まっている腫瘍委員会での使用には適さない。私たちはRICE-NETを紹介する。RICE-NETは、縦断的MRIデータと放射線治療の線量分布を統合し、従来のT1強調MRIデータを用いて自動的に病変を分類するマルチモーダル3Dディープラーニングモデルである。92例のコホートを用いて、独立したテストセットでF1スコア0.92を達成した。広範なアブレーション実験の間、各時点とモダリティの寄与を定量化し、信頼できる分類は主に放射線マップに依存することを示した。遮蔽（オクルージョン）ベースの解釈可能性解析は、モデルが臨床的に関連する脳領域に焦点を当てていることをさらに確認した。これらの知見は、多模態ディープラーニングが診断精度を高め、神経腫瘍学における臨床意思決定を支援する可能性を示している。