Exploiting segmentation labels and representation learning to forecast therapy response of PDAC patients

要約

タイトル：PDAC患者の治療反応を予測するためのセグメンテーションラベルと表現学習の活用
要約：
– 膵管癌の治療反応の予測は、高い死亡率を持つこの腫瘍の中での臨床的に重要な課題である。
– この課題に対処することができるニューラルネットワークのトレーニングは、大規模なデータセットの不足と膵臓の難しい解剖学的局在性によって妨げられている。
– ここでは、スタンダードながん反応評価法であるResponse Evaluation Criteria in Solid Tumors(RECIST)スコア、腫瘍マーカー、そして患者の臨床的評価に基づいて、初期化学療法に対する腫瘍反応を予測するための混合ディープニューラルネットワークパイプラインを提案する。
– セグメンテーションからの表現転送とローカライゼーション、表現学習の組み合わせを活用している。
– 我々の手法は、総計477のデータセットだけで治療反応を予測することができる驚くべき効率性を発揮し、ROC-AUC値は63.7%に達する。

要約(オリジナル)

The prediction of pancreatic ductal adenocarcinoma therapy response is a clinically challenging and important task in this high-mortality tumour entity. The training of neural networks able to tackle this challenge is impeded by a lack of large datasets and the difficult anatomical localisation of the pancreas. Here, we propose a hybrid deep neural network pipeline to predict tumour response to initial chemotherapy which is based on the Response Evaluation Criteria in Solid Tumors (RECIST) score, a standardised method for cancer response evaluation by clinicians as well as tumour markers, and clinical evaluation of the patients. We leverage a combination of representation transfer from segmentation to classification, as well as localisation and representation learning. Our approach yields a remarkably data-efficient method able to predict treatment response with a ROC-AUC of 63.7% using only 477 datasets in total.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI