MEDICINE & AI

タイトル：Multi-Modal Longitudinal Representation Learning for Predicting Neoadjuvant Therapy Response in Breast Cancer Treatment 雑誌名：IEEE J Biomed Health Inform. 2025 Dec; 29(12): 9041-9050. 概　要： 本研究は、ネオアジュバント療法（NAT）における反応をモニタリングするための縦断的医療画像の重要性に着目しています。従来のAI手法は、病変の進行を評価するために広範なセグメンテーションラベルに依存していますが、本研究では、NAT前のスキャンと中間・後期のフォローアップスキャンを含む縦断的な検査とそれに伴うレポートを考慮したマルチモーダル縦断表現学習パイプライン（MLRL）を提案します。この手法は、視覚とテキストの整合性学習や、視覚・テキストの進行学習を通じて、各モダリティから時間的表現を抽出し、腫瘍の進行評価を促進します。 方　法： 本研究は、NATに関連する縦断的な医療画像とレポートを対象にした研究です。提案するMLRLは、単一時間スケールの視覚-テキスト整合性学習と多時間スケールの視覚・テキスト進行学習を含むマルチスケール自己監督方式を採用しています。内部および外部データセットに対して評価を行い、ラベル効率を向上させ、さまざまな治療シナリオにおける腫瘍反応予測を改善しました。 結　果： MLRLは、ゼロショット、少数ショット、フルショットの実験においてラベル効率を向上させ、腫瘍反応予測を大幅に改善しました。また、進行エリアの視覚的追跡を可能にし、縦断的なVL基盤ツールに関する洞察を提供し、臨床意思決定プロセスを促進する可能性があります。 結　論： MLRLは、縦断的なNAT検査における腫瘍の進行を効果的に追跡し、治療反応の予測精度を向上させることが示されました。この手法は、臨床現場での意思決定を支援するための有用なツールとなる可能性があります。