肺結節の進行予測のための、LLM駆動のマルチモーダル拡散を用いた結節整列潜在空間学習

要約: 肺がんの早期診断は、生物学的不確実性と結節の進行を導く生物学的メカニズムの理解が限られていることから、難しいです。
これに対処するため、Nodule-Aligned Multimodal (Latent) Diffusion (NAMD)と呼ばれる新しいフレームワークを提案します。これは、基線スキャンと患者および結節の電子健康記録（EHR）を用いて、1年後の結節のCT画像を生成することにより、肺結節の進行を予測します。
NAMDは結節整列潜在空間を導入します。潜在表現間の距離は結節属性の変化に直接対応し、LLM駆動の制御機構を用いて拡散バックボーンを患者データで条件付けします。
National Lung Screening Trial (NLST) データセット上で、私たちの手法はフォローアップ結節画像を合成し、肺結節悪性予測のAUROCを0.805、AUPRCを0.346に達成します。これは基線スキャンおよび最先端の合成法を大幅に上回り、実際のフォローアップスキャンの性能（AUROC: 0.819、AUPRC: 0.393）にほぼ近づきます。
これらの結果は、NAMDが肺結節進行の臨床的に関連する特徴を捉え、より早く、より正確な診断を促進することを示しています。