FDG-PET/CT に基づく非小細胞肺癌の時間駆動型生存分析

要旨: 目的: 総生存（OS）などの臨床転帰の自動的な医用画像ベース予測は、患者の予後予測や個別化治療計画の改善に大きな可能性を持つ。本研究では、FDG-PET/CTの組織単位の投影を入力とし、さらにスカラーの時間軸（日の単位）で表す時間的入力を併用して、非小細胞肺がん（NSCLC）患者のOSを予測するための深層回帰フレームワークを開発した。
方法: 提案フレームワークでは、入力画像を処理して対応する画像埋め込みを生成するためにResNet-50バックボーンを用いた。次に、これらの埋め込みを時間データと結合し、時間の関数としてOS確率を生成することで、時間に基づいて予測を実質的にパラメータ化した。フレームワーク全体はU-CANコホート（n = 556）を用いて開発され、テストセット（n = 292）においてベースライン手法と比較することで評価した。ベースラインはResNet-50アーキテクチャを利用し、入力として画像のみを処理して、2年または5年のような事前に指定された間隔でOS予測を提示した。
結果: 画像埋め込みに時間的データを組み込むことで、OS予測において優位性が示され、AUCが4.3%改善することでベースライン手法を上回った。臨床+IDP特徴を用いた提案モデルは強い性能を達成し、画像モデルと臨床+IDPモデルのアンサンブルは最良の総合性能（0.788）を示した。これは、マルチモーダル入力が相補的な価値を持つことを強調している。提案手法はまた、患者のリスクを明確なカテゴリ（高リスク vs 低リスク）に層別化することを可能にした。サリエンシ解析から得られたヒートマップでは、腫瘍領域が予測における主要な構造として示された。
結論: 我々の手法は、時間の関数としてOSを予測するための自動化されたフレームワークを提供し、生存予測の向上のために画像データと表形式データを組み合わせる可能性を示している。