低線量コンピュータ断層撮影におけるスクリーニングされた肺腫瘍の密度特徴

/ /

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。

Acad Radiol.2014 Jan;21(1):41-51. S1076-6332(13)00458-3. doi: 10.1016/j.acra.2013.09.021.

低線量コンピュータ断層撮影におけるスクリーニングされた肺腫瘍の密度特徴

Density features of screened lung tumors in low-dose computed tomography.

Wei-Chih Shen
Juhn-Cherng Liu
Shwn-Huey Shieh
Su-Tso Yang
Guan-Chin Tseng
Wu-Huei Hsu
Chih-Yi Chen
Yang-Hao Yu

PMID: 24331263 DOI: 10.1016/j.acra.2013.09.021.

抄録

理由と目的:

低線量コンピュータ断層撮影（LDCT）を用いて、スクリーニングでは小型で不均一な肺腫瘍が検出される。検出された腫瘍を評価する基準は、経過観察または切除戦略を決定する上で極めて重要である。本研究の目的は、肺腫瘍の鑑別における密度特徴の能力を調べることである。

RATIONALE AND OBJECTIVES: Using low-dose computed tomography (LDCT), small and heterogeneous lung tumors are detected in screening. The criteria for assessing detected tumors are crucial for determining follow-up or resection strategies. The purpose of this study was to investigate the capacity of density features in differentiating lung tumors.

材料と方法:

2008年7月から2011年12月までに、38人の患者の外科的に確認された48の腫瘍（悪性腫瘍29例（腺癌17例、原位置腺癌12例（AdIs））、良性腫瘍19例（非定型腺腫性過形成11例（AAH）、良性非AAH8例）をレトロスペクティブに評価したところ、医師の陽性予測値（PPV）は60.4％（29/48）であることが示された。検出された腫瘍のCT値から、腫瘍消失率（TDR）、平均、エントロピーの3種類の密度特徴が得られた。

MATERIALS AND METHODS: From July 2008 to December 2011, 48 surgically confirmed tumors (29 malignancies, comprising 17 cases of adenocarcinoma and 12 cases of adenocarcinoma in situ [AdIs], and 19 benignancies, comprising 11 cases of atypical adenomatous hyperplasia [AAH] and eight cases of benign non-AAH) in 38 patients were retrospectively evaluated, indicating that the positive predictive value (PPV) of physicians is 60.4% (29/48). Three types of density features, tumor disappearance rate (TDR), mean, and entropy, were obtained from the CT values of detected tumors.

結果:

エントロピーは悪性腫瘍と良性腫瘍の鑑別が可能であるが、AdIsと良性非AAHの鑑別には限界がある。エントロピーとTDRの組み合わせは悪性腫瘍の予測に有効であり，精度87.5％（42/48），PPVは89.7％（26/29）であり，医師のPPVは29.3％改善した。エントロピーと平均値の組み合わせは、精度72.9％（35/48）と4つの病理グループを十分に明らかにしている。平均値が-400Hounsfield単位以下の腫瘍では、エントロピーが5.4より大きいという基準が悪性腫瘍の診断に適しているかもしれない。それ以外の場合は、病理学的には良性の非AAHまたは腺がんのいずれかである；腺がんは結核腫を除き、良性の非AAHよりもエントロピーが高い。

RESULTS: Entropy is capable of differentiating malignancy from benignancy but is limited in differentiating AdIs from benign non-AAH. The combination of entropy and TDR is effective for predicting malignancy with an accuracy of 87.5% (42/48) and a PPV of 89.7% (26/29), improving the PPV of physicians by 29.3%. The combination of entropy and mean adequately clarifies the four pathology groups with an accuracy of 72.9% (35/48). For tumors with a mean below -400 Hounsfield units, the criterion of an entropy larger than 5.4 might be appropriate for diagnosing malignancy. For others, the pathology is either benign non-AAH or adenocarcinoma; adenocarcinoma has a higher entropy than benign non-AAH, with the exception of tuberculoma.

結論:

密度の特徴を組み合わせることで、LDCTでの異種肺腫瘍の鑑別が可能になります。

CONCLUSIONS: Combining density features enables differentiating heterogeneous lung tumors in LDCT.