Improved Prognostic Prediction of Pancreatic Cancer Using Multi-Phase CT by Integrating Neural Distance and Texture-Aware Transformer

要約

膵管腺癌 (PDAC) は致死性の高い癌であり、腫瘍と血管の関与が切除可能性に大きく影響し、ひいては患者の全生存率に大きく影響します。
しかし、現在の予後予測方法では、腫瘍と近くの重要な血管との関係を明確かつ正確に調査できません。
この論文は、さまざまな患者の CT 画像における腫瘍と血管の間の正確な関係を記述する新しい学習可能な神経距離を提案し、それを予後予測の主要な特徴として採用します。
さらに、CNN または LSTM を使用して動的造影 CT イメージングで腫瘍強調パターンを利用する既存のモデルとは異なり、次の方法を使用して局所的特徴と全体的特徴を融合することにより、多相造影 CT における動的腫瘍関連テクスチャ特徴の抽出を改善しました。
CNN および変換モジュールにより、多相 CT 画像全体で抽出された特徴がさらに強化されます。
我々は、1,070人のPDAC患者を含む多施設（n=4）のデータセットにおいて、提案された方法を既存の方法と広範囲に評価および比較し、統計分析により、3つの施設からなる外部検査セットにおけるその臨床的有効性が確認された。
開発されたリスクマーカーは、術前因子の中で全生存期間の最も強力な予測因子であり、確立された臨床因子と組み合わせることで、術前補助療法の恩恵を受ける可能性のあるリスクの高い患者を選択できる可能性があります。

要約(オリジナル)

Pancreatic ductal adenocarcinoma (PDAC) is a highly lethal cancer in which the tumor-vascular involvement greatly affects the resectability and, thus, overall survival of patients. However, current prognostic prediction methods fail to explicitly and accurately investigate relationships between the tumor and nearby important vessels. This paper proposes a novel learnable neural distance that describes the precise relationship between the tumor and vessels in CT images of different patients, adopting it as a major feature for prognosis prediction. Besides, different from existing models that used CNNs or LSTMs to exploit tumor enhancement patterns on dynamic contrast-enhanced CT imaging, we improved the extraction of dynamic tumor-related texture features in multi-phase contrast-enhanced CT by fusing local and global features using CNN and transformer modules, further enhancing the features extracted across multi-phase CT images. We extensively evaluated and compared the proposed method with existing methods in the multi-center (n=4) dataset with 1,070 patients with PDAC, and statistical analysis confirmed its clinical effectiveness in the external test set consisting of three centers. The developed risk marker was the strongest predictor of overall survival among preoperative factors and it has the potential to be combined with established clinical factors to select patients at higher risk who might benefit from neoadjuvant therapy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google