在当今の腫瘍学臨床実践および薬物開発分野において、腫瘍反応の評価方法は革新の瀬戸際に立っています。1981年に世界保健機構（WHO）が抗癌薬の効果を評価するための腫瘍反応分類基準を提案して以来、この分野は何度も改良を経験してきました。最もよく知られているのは、1995年に設立された実体腫瘍における反応評価基準（RECIST）作業部会によるものです。この作業部会は、カナダ国立がん研究所、米国国立がん研究所、および欧州がん研究治療機構と協力して多数の症例データに基づく根拠に基づいた勧告を構築し、RECIST 1.0および1.1バージョンの公開を促進しました。これらのバージョンは、客観的な反応率などの画像学的エンドポイントを確定する上で重要な役割を果たしてきました。 しかし、腫瘍生物学のより深い理...

AI補助のスライスプーリングに基づくグリオーマグレーディングのラジオミクスアルゴリズム 背景紹介 グリオーマ（Glioma）は中枢神経系で最も一般的かつ脅威的な腫瘍であり、高発病率、高再発率、高死亡率、低治癒率を持ちます。世界保健機関（WHO）はグリオーマを四段階（I、II、III、IV）に分類し、そのうちI級とII級は低度グリオーマ（LGG）、III級とIV級は高度グリオーマ（HGG）と呼ばれます。高度グリオーマはより侵襲性のある悪性腫瘍で、予期寿命は約2年です。2016年にWHOは分子タイプ分けを導入し、感受性の低い治療を排除できるようになりましたが、グリオーマのグレーディングは依然として治療方針の選定において重要な診断基準となっています。 磁気共鳴画像法（MRI）は、グリオーマの検出と...

脳グリオーマ患者の生存分析研究：データエンジニアリングの力を借りたレビュー 序論 脳グリオーマはグリア細胞に発生する腫瘍であり、全ての原発性脳および中枢神経系腫瘍の26.7%を占めています。腫瘍の異質性の存在により、脳グリオーマ患者の生存分析は臨床管理における重要な課題となっています。過去数十年間にわたり、研究者たちは画像や遺伝情報などのさまざまなタイプのデータを組み合わせた多種多様な生存分析手法を提案してきました。特に近年は、機械学習技術や深層学習の台頭により、伝統的な統計分析に基づく生存分析手法が革新されています。本稿では、診断画像技術やゲノムプラットフォームから得られる予後パラメーター、予後予測に用いる技術、学習および統計分析アルゴリズムをレビューし、現行の生存予測研究において直面する...

非小细胞肺癌的免疫疗法疗效预测：多视角自适应加权图卷积网络研究报告 背景介绍 肺癌は発症率が非常に高く、予後が悪い悪性腫瘍であり、長年にわたりその致死率は高止まりしています。すべての肺癌患者の中で、非小細胞肺癌（Non-Small Cell Lung Cancer, NSCLC）は約85%を占めています。新しい治療手段として、腫瘍免疫療法は癌患者に新しい治療のアイデアを提供しました。しかし、免疫療法は高額であり、約20%から50%の患者のみが満足のいく効果を得られるだけです。さらに治療中には、免疫性肺炎や肝炎などの副作用が発生する可能性があります。したがって、患者が免疫療法を受ける前にその効果を予測することは重要です。 近年、機械学習を基盤とする放射線オミクスは、NSCLCの免疫療法の効果予...