アミノ酸PETイメージングを用いた説明可能なラジオミクスモデルの臨床的影響:浸潤性グリオーマの診断への応用
解釈可能な機械学習によるアミノ酸PET画像を用いた膠芽腫診断への応用研究 学術的背景 膠芽腫(glioma)は、中枢神経系で最も一般的な悪性腫瘍の1つであり、その診断と治療戦略は通常、組織病理学的分析に依存しています。しかし、組織病理学的分析には侵襲性が高い、時間がかかるといった限界があります。近年、医学画像に基づくラジオミクス(radiomics)技術が注目されており、大量の定量的特徴を医学画像から抽出し、機械学習(machine learning, ML)アルゴリズムと組み合わせることで、複雑な画像特徴の関係を効果的に捉えることが可能になり、膠芽腫の診断や予後評価に新たな可能性を提供しています。しかし、機械学習モデルは膠芽腫の予測タスクで高い有効性を示すものの、決定プロセスの透明性に欠け...