深層学習と放射線学を用いた脳転移に対する定位放射線手術後の治療反応予測
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Prediction of treatment response after stereotactic radiosurgery of brain metastasis using deep learning and radiomics on longitudinal MRI data.
雑誌名：Sci Rep. 2024 May 15; 14(1): 11085.
概 要：
本研究では、定位放射線手術（SRS）後の脳転移（BM）に対する治療反応を予測するための人工知能モデルを開発し、長期的な磁気共鳴画像（MRI）データを使用して予測精度の変化を評価しました。194人のBM患者から得られた4回の連続MRIスキャンを用いて、369の標的病変を対象とした開発データセットを作成しました。データはランダムに訓練とテスト用に分割され、外部検証には43人のBM患者から172回のMRIスキャンを追加しました。最大軸径（Dmax）、放射線学、深層学習（DL）モデルを比較しました。Conv-GRUモデルは、単純なCNNモデルよりも優れた性能を示しました。
方 法：
本研究は、194人の脳転移患者を対象にしたコホート研究で、4回の連続MRIスキャンを使用しました。データは8:2の比率で訓練用とテスト用に分割され、外部検証には43人の患者から172回のMRIスキャンが追加されました。深層学習モデルとして、単純なCNNモデルとConv-GRUベースのCNNモデルを評価しました。主要評価指標は、AUC（曲線下面積）です。
結 果：
2D Conv-GRUモデルは、3D Conv-GRU、Dmax、放射線学モデルよりもAUCが有意に高く、治療反応の予測において最も優れた性能を示しました。また、フォローアップのMRIスキャンの回数が増えるにつれて、2D Conv-GRUモデルの精度も向上しました。
結 論：
長期的なMRIデータを使用した結果、2D Conv-GRUモデルは、脳転移に対するSRS後の治療反応予測において他のすべてのモデルを上回る性能を示しました。