MEDICINE & AI

タイトル：Radiomics-based machine-learning method to predict extrahepatic metastasis in hepatocellular carcinoma after hepatectomy: a multicenter study. 雑誌名：Sci Rep. 2025 Aug 14; 15(1): 29784. 概　要： 本研究は、肝切除後の肝細胞癌（HCC）における肝外転移を予測するためのCTベースのラジオミクスの利用を調査しました。374人の患者からのデータを分析し、277人を訓練コホート、97人を外部検証コホートとしました。コントラスト強調CTスキャンからラジオミクス特徴を抽出し、LASSOを用いて重要な特徴を特定し、モデル開発のためのラジオミクススコア（radscore）を計算しました。また、リスク因子に基づく臨床モデルも作成しました。radscoreと臨床変数を統合したモデルを開発し、個別リスク評価のためのノモグラムを構築しました。モデルの性能はDelongテストで比較し、キャリブレーション曲線で予測の一貫性を評価しました。決定曲線分析（DCA）を用いて、異なる閾値確率における予測モデルの臨床的有用性とネットベネフィットを評価しました。 方　法： この研究は、374人の患者を対象にした多施設共同研究です。患者は2つのセンターから集められ、277人が訓練コホート、97人が外部検証コホートです。コントラスト強調CTスキャンからラジオミクス特徴を抽出し、LASSOを用いて重要な特徴を選定しました。主要評価指標は、訓練グループでのAUC 87.2%（95% CI: 81.8%-92.6%）、検証グループでのAUC 86.0%（95% CI: 69.4%-100%）です。 結　果： CTに基づくradscoreは肝外転移の独立した予測因子であり、統合モデルは高い予測性能を示しました。統合モデルは、ラジオミクスモデルおよび臨床モデルよりも有意に優れた性能を示しました（p＜0.05）。DCAの結果、統合モデルは臨床モデルおよびラジオミクスモデルよりも肝外転移の予測において高いネットベネフィットを持つことが示されました。 結　論： CTのradscoreと臨床リスク因子を組み合わせた予測モデルは、肝細胞癌患者における肝外転移を効果的に予測することができることが示されました。このモデルは臨床的意思決定を支援する可能性があります。