소식

Oct 13, 2023

정량적 방사성 바이오마커를 위한 기계 학습 방법

과학 보고서 5권,

Scientific Reports 5권, 기사 번호: 13087(2015) 이 기사 인용

34,000회 액세스

600 인용

16 알트메트릭

측정항목 세부정보

Radiomics는 종양 표현형 특성을 정량화하는 수많은 의료 영상 기능을 추출하고 채굴합니다. 매우 정확하고 신뢰할 수 있는 기계 학습 접근 방식은 임상 치료에서 방사선 응용 분야의 성공을 이끌 수 있습니다. 본 방사성 연구에서는 전체 생존 예측을 위한 성능 및 안정성 측면에서 14가지 특징 선택 방법과 12가지 분류 방법을 조사했습니다. 폐암 환자 464명의 치료 전 컴퓨터 단층촬영(CT) 영상에서 총 440개의 방사성 특징을 추출했습니다. 다양한 기계 학습 방법에 대한 편견 없는 평가를 보장하기 위해 보고된 매개변수 구성과 함께 공개적으로 사용 가능한 구현이 사용되었습니다. 또한 훈련(n = 310명의 환자) 및 검증(n = 154명의 환자)을 위해 두 개의 독립적인 방사성 코호트를 사용했습니다. 우리는 Wilcoxon 테스트 기반 특징 선택 방법 WLCX(안정성 = 0.84 ± 0.05, AUC = 0.65 ± 0.02)와 분류 방법 Random Forest RF(RSD = 3.52%, AUC = 0.66 ± 0.03)가 높은 안정성과 함께 가장 높은 예후 성능을 갖는 것을 확인했습니다. 데이터 교란. 우리의 변동성 분석은 분류 방법의 선택이 성능 변동의 가장 지배적인 원인임을 나타냅니다(전체 변동의 34.21%). 방사성 응용을 위한 최적의 기계 학습 방법을 식별하는 것은 안정적이고 임상적으로 관련된 방사성 바이오마커를 향한 중요한 단계이며, 임상 실습에서 종양 표현형 특성을 정량화하고 모니터링하는 비침습적 방법을 제공합니다.

'정밀 종양학'은 진료 및/또는 치료법이 개별 환자에게 맞춰지는 암 치료의 맞춤화를 의미합니다. 이러한 맞춤화 프로세스는 부작용을 최소화하면서 예방 및 치료 개입의 성공을 극대화할 수 있습니다. 정밀 종양학 관련 연구의 대부분은 종양 생검을 통한 조직 추출이 필요한 유전체학 기반 접근법을 사용하여 종양의 분자 특성화에 중점을 두고 있습니다. 여러 유전체학 기반 접근법이 임상 종양학에 성공적으로 적용되었지만1 생검 기반 분석에는 본질적인 한계가 있습니다. 종양은 공간적, 시간적으로 이질적이며 환자의 위험을 증가시키는 반복적인 종양 생검은 종종 종양의 분자 이질성을 포착하는 데 필요합니다. 생검 기반 분석과 관련된 이러한 윤리적, 임상적 과제는 임상 종양학에서 암 진단 및 병기 결정을 위한 일상적인 관행인 의료 영상으로 해결할 수 있습니다. 생검과 달리 의료 영상은 비침습적이며 종양 내 이질성을 포함하여 전체 종양 표현형에 관한 정보를 제공할 수 있습니다. 또한 최근 고해상도 이미지 획득 기계와 컴퓨터 하드웨어의 발전으로 종양 표현형 특성을 상세하고 효율적으로 정량화할 수 있게 되었습니다. 따라서 의료 영상은 정밀 종양학에 전례 없는 기회를 제공합니다.

신흥 유망 분야인 "방사선학"은 의료 영상이 종양 생리학에 관한 중요한 정보를 제공하여 암 진단을 향상시키는 데 활용될 수 있다고 가정합니다2. 이는 다수의 정량적 영상 특징을 추출하고 마이닝하여 종양 표현형의 포괄적인 정량화를 제공합니다3. 여러 연구에서 다양한 임상 설정4,5,6,7,8,9,10에 걸쳐 예후 또는 예측 능력과 신뢰성 측면에서 다양한 방사성 특징을 조사했습니다. 다양한 연구에서는 종양 조직학6, 종양 등급 또는 단계11 및 임상 결과8,12,13의 계층화에 대한 방사성 특징의 식별 능력을 보여주었습니다. 더욱이, 일부 연구에서는 방사성 특징과 기본 유전자 발현 패턴 사이의 연관성이 보고되었습니다8,14,15.