多発性脳転移患者の生存予測に有効な深層学習モデル

画素レベルの画像予測因子と生存データとの間の非線形関係を機械学習法を用いてモデル化する深層学習モデルが、多発性脳転移患者の生存予測に有効であることが示されたと、研究者が報告した。

このモデルは、臨床的因子と生存期間との間の線形関係に基づく従来のCox比例ハザード(Cox proportional hazard、CPH)モデルよりも優れていた。

米国コネチカット州ニューヘイブンにあるイェール大学医学大学院放射線治療学(Department of Therapeutic Radiology at Yale School of Medicine)のEnoch Chang博士が、SNO 2020バーチャル会議で新たな知見を発表した。