Name: predicting treatment response to image-guided therapies using machine learning: an example for trans-arterial treatment of hepatocellular carcinoma
Uploaded: 2018-10-10T15:00:00
Description: Watch this Scientific Journal Video about Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma at JoVE.co

編入は、エール大学医学部学生研究局から資金援助を受けた。
L.J.S. は、健康の国民の協会 (NIH/NCI R01CA206180)、レオポルジナ サキヤマ, 放射線科学 (アーヘン、ドイツ) ロルフ ・ w ・ グンター財団から助成金を受け取ります。
J. c. は、科学的研究と開発 (エルサレム、イスラエルおよびアメリカ); 健康の国民の協会 (NIH/NCI R01CA206180)、フィリップス ヘルスケア、およびドイツ ・ イスラエル財団から助成金を受け取る放射線科学施ベルリン研究所の健康臨床科学者プログラム (ベルリン、ドイツ) ロルフ ・ w ・ グンター財団からの奨学金
J.S.D. とミリリットルは、健康の国民の協会 (NIH/NCI R01CA206180) とフィリップス ヘルスケア (ベスト、オランダ) から助成金を受け取る。
J.F.G. は、健康の国民の協会 (NIH/NCI R01CA206180)、フィリップス ヘルスケア、BTG (ロンドン、イギリス)、ボストンサイエンティフィック (マサチューセッツ州マールボロ) および上市ヘルスケア (ヴィルパント、フランス) から補助金を受け取る

1。機械学習のためのワークステーションのセットアップ
<ol><li>システムを使用して、次のように。 インテル Core 2 Duo または 2.0 ghz 以上の CPU 4 GB またはより多くのシステム メモリ POSIX 準拠のオペレーティング システム (Linux または Mac OS) または Microsoft Windows 7 プログラムを実行して、ファイルを保存するためのユーザー アクセス許可</li>
	<li>次のツールをインストールします。<br...

<ol>
	<li>Benson, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=NCCN+clinical+practice+guidelines+in+oncology:+hepatobiliary+cancers.">NCCN clinical practice guidelines in oncology: hepatobiliary cancers.</a> J National Comprehensive Cancer Network. 7 (4), 350-391 (2009).</li><li>Siegel, R., Miller, K., Jemal, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cancer+statistics,+2016.">Cancer statistics, 2016.</a> CA Cancer J Clin. 66 (1), 7-30 (2016).</li><li>Bruix, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Clinical+management+of+hepatocellular+carcinoma.+Conclusions+of+the+Barcelona-2000+European+Association+for+the+Study+of+the+Liver+conference.">Clinical management of hepatocellular carcinoma. Conclusions of the Barcelona-2000 European Association for the Study of the Liver conference.</a> Journal of Hepatology. 35 (3), 421-430 (2001).</li><li>Eisenhauer, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=New+response+evaluation+criteria+in+solid+tumours:+revised+RECIST+guideline+(version+1.1).">New response evaluation criteria in solid tumours: revised RECIST guideline (version 1.1).</a> European Journal of Cancer. 45 (2), 228-247 (2009).</li><li>Gillmore, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EASL+and+mRECIST+responses+are+independent+prognostic+factors+for+survival+in+hepatocellular+cancer+patients+treated+with+transarterial+embolization.">EASL and mRECIST responses are independent prognostic factors for survival in hepatocellular cancer patients treated with transarterial embolization.</a> Journal of Hepatology. 55 (6), 1309-1316 (2011).</li><li>Lin, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantitative+and+volumetric+European+Association+for+the+Study+of+the+Liver+and+Response+Evaluation+Criteria+in+Solid+Tumors+measurements:+feasibility+of+a+semiautomated+software+method+to+assess+tumor+response+after+transcatheter+arterial+chemoembolization.">Quantitative and volumetric European Association for the Study of the Liver and Response Evaluation Criteria in Solid Tumors measurements: feasibility of a semiautomated software method to assess tumor response after transcatheter arterial chemoembolization.</a> Journal of Vascular and Interventional Radiology. 23 (12), 1629-1637 (2012).</li><li>Tacher, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparison+of+Existing+Response+Criteria+in+Patients+with+Hepatocellular+Carcinoma+Treated+with+Transarterial+Chemoembolization+Using+a+3D+Quantitative+Approach.">Comparison of Existing Response Criteria in Patients with Hepatocellular Carcinoma Treated with Transarterial Chemoembolization Using a 3D Quantitative Approach.</a> Radiology. 278 (1), 275-284 (2016).</li><li>Pedregosa, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Scikit-learn:+Machine+Learning+in+Python.">Scikit-learn: Machine Learning in Python.</a> Journal of Machine Learning Research. 12, 2825-2830 (2011).</li><li>Bishop, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Pattern recognition and machine learning. , 738 (2006).</li><li>Alpaydin, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Introduction to machine learning. Third edition. , 613 (2014).</li><li>Kim, S., Cho, K., Oh, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Development+of+machine+learning+models+for+diagnosis+of+glaucoma.">Development of machine learning models for diagnosis of glaucoma.</a> PLoS One. 12 (5), (2017).</li><li>Son, Y., Kim, H., Kim, E., Choi, S., Lee, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Application+of+support+vector+machine+for+prediction+of+medication+adherence+in+heart+failure+patients.">Application of support vector machine for prediction of medication adherence in heart failure patients.</a> Healthcare Informatics Research. 16 (4), 253-259 (2010).</li><li>Wang, S., Summers, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Machine+learning+and+radiology.">Machine learning and radiology.</a> Medical Image Analysis. 16 (5), 933-951 (2012).</li><li>Abajian, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Predicting+Treatment+Response+to+Intra-arterial+Therapies+for+Hepatocellular+Carcinoma+with+the+Use+of+Supervised+Machine+Learning-An+Artificial+Intelligence+Concept.">Predicting Treatment Response to Intra-arterial Therapies for Hepatocellular Carcinoma with the Use of Supervised Machine Learning-An Artificial Intelligence Concept.</a> Journal of Vascular and Interventional Radiology. , (2018).</li></ol>

外科的切除は肝細胞癌患者は、動注療法を提供しています。患者が前を応答するかどうかを決定するいくつかの方法が存在する-治療。治療後評価技術は、腫瘍の大きさや腫瘍のコントラスト取り込みの変化に依存しています。これらは、最も正確な定量的欧州肝臓 (qEASL) 条件の研究会であることと、応答の条件と呼ばれます。qEASL は、両方の体積と応答の可能性を予測する療法強化変...

肝細胞癌手術の候補者ではない患者は、動脈内治療1,2,3を提供しています。治療が投与される前に、患者が動注療法に対応かどうかを決定する 1 つの指標はありません。本研究の目的は、機械学習からメソッドを適用することによって治療効果を予測する手法を実証することでした。治療を続行するかどうかを選択するとき、このようなモデルは医師と患者に指導を提供します。
プロトコルは、トレーニングおよびプライマリ患者データ (臨床ノート、人口統計、実験室データ、およびイメージング) から始まってモデルの更新のための再現可能なプロセスを伴います。データは、バイナリ機能のセット、およびバイナリの結果ターゲット ラベルで表される各患者の特定の機能について最初に解析されます。肝細胞療法4,5,6、7のイメージングに基づく応答の確立された基準を用いて結果ラベル。機能とターゲット ラベルでは、機能と学習モデル (ロジスティック回帰またはランダム フォレスト)8,9,10特定の結果の間のマッピングを学ぶ機械学習ソフトウェアに渡されます。同様の手法は、放射線とがんの診断と治療予測11,12,13研究の他の領域に適用されています。
メソッドは、放射線の分野にコンピューター科学から技術を適応します。伝統的な意義インターベンショナル放射線医学研究は、一般的に、モノラルまたは oligo の機能解析に頼っています。たとえば、末期肝臓病のモデルには、肝疾患の程度を評価する臨床指標を 5 つが組み込まれています。提案手法の利点は、自由に機能を追加する機能20-5 機能分析の例と見なされます。機能が追加されることが望ましい。
手法は、事前・事後介入の画像データが使用可能な他のレントゲン写真の介入に適用可能性があります。たとえば、次の経皮的治療の成果は、同様の方法で予測可能性が。研究の主な制限は、モデルに含めるのため手動バーテンの機能に必要です。データのキュレーションと特徴抽出はプラクティショナーのためかかり、そのような機械学習モデルの臨床導入を妨げる可能性があります。

<table border="0" cellpadding="0" cellspacing="0" style="width:851px;" width="850">
	<colgroup>
		<col />
		<col />
		<col />
		<col />
	</colgroup>
	<tbody>
		<tr height="105">
			<td height="105" style="height:105px;width:216px;">Computer workstation</td>
			<td style="width:123px;">N/A</td>
			<td style="width:169px;">N/A</td>
			<td style="width:343px;">Intel Core 2 Duo or higher CPU at 2.0 GHz; 4 GB or more system memory; POSIX-compliant operating system (Linux or Mac OS) or Microsoft Windows 7; User permissions for executing programs and saving files</td>
		</tr>
		<tr height="40">
			<td height="40" style="height:40px;width:216px;">Anaconda Python 3</td>
			<td style="width:123px;">Anaconda, Inc.</td>
			<td style="width:169px;">Version 3.6</td>
			<td style="width:343px;">Python 3 system and libraries packaged for scientists and researchers</td>
		</tr>
		<tr height="40">
			<td height="40" style="height:40px;width:216px;">DICOM to NIfTI</td>
			<td style="width:123px;">NeuroImaging Tools &#38; Resources Collaboratory</td>
			<td style="width:169px;">Version 1.0 (4/4/2018 release)</td>
			<td style="width:343px;">Standalone program for converting DICOM imaging files to NIfTI format</td>
		</tr>
		<tr height="33">
			<td height="33" style="height:33px;width:216px;">Sublime Text Editor</td>
			<td style="width:123px;">Sublime HQ Pty Ltd</td>
			<td style="width:169px;">Version 3 (Build 3143)</td>
			<td style="width:343px;">Text-editor for writing Python code</td>
		</tr>
		<tr height="45">
			<td height="45" style="height:45px;width:216px;">Required Python Libraries</td>
			<td style="width:123px;">N/A</td>
			<td style="width:169px;">Version 3.2.25 (nltk) 
			Version 0.19.1 (scikit-learn)</td>
			<td style="width:343px;">Natural Language Toolkit (nltk) 
			Scikit-learn</td>
		</tr>
		<tr height="40">
			<td height="40" style="height:40px;width:216px;">ITK-SNAP</td>
			<td style="width:123px;">N/A</td>
			<td style="width:169px;">Version 3.6.0</td>
			<td style="width:343px;">Optional toolkit for performing segmentation of organ systems in medical images.</td>
		</tr>
	</tbody>
</table>

predicting treatment response to image-guided therapies using machine learning: an example for trans-arterial treatment of hepatocellular carcinoma

動注療法は、外科的切除を受けることができない肝細胞癌患者に対するケアの標準です。この研究の目的は、介入前に動脈内治療への反応を予測する方法を開発するあった。
メソッドは、動注療法の前に結果を予測するための一般的な枠組みを提供します。それは全体の患者のコホート臨床的、人口統計学および画像データをプールと機械学習モデルを訓練するこれらのデータを使用して含まれます。トレーニング済みのモデルは、新しい患者に動脈内治療への反応の可能性を予測するために適用されます。
メソッドは、買収とNにおける経動脈的治療をすでに受けている患者の臨床的、人口統計学および画像データの解析を伴います。これらのデータは離散的特徴 (年齢、性別、肝硬変、腫瘍促進等の程度) に解析され、真/偽値 (例えば、 60、男性、性別、腫瘍強化閾値を設定する等を超えて時代) に二値化します。低分散機能と低単変量の関連付けは結果と機能が削除されます。各治療患者は、彼らが答えたまたは治療に応答しなかったかどうかに従って分類されます。各トレーニング患者は従ってバイナリ機能と結果ラベルのセットによって表されます。機械学習モデルは、 N - 1 症例左アウト患者にテストを使用して訓練されます。N患者ごとにこのプロセスが繰り返されます。Nモデルの平均値に最終的なモデルに到着します。
技術では、拡張性があり、今後の追加機能を含めることを可能します。また、放射線の外の臨床研究の質問に適用される汎化可能なプロセスです。主な制限は、各患者からの機能を手動で派生する必要です。深いと呼ばれる機械学習の普及した現代的な形この制限からを受けない学習しますが、大きなデータセットが必要です。

提案手法は 36 肝細胞癌における経動脈的治療を受けていた人の患者に適用されます。20-5 機能が識別され、2 値化を使用して、手順 1-5。5 つの機能は、分散と単変量協会フィルター (手順 5.1 および 5.2 を参照) を満足し、モデルのトレーニングに使用されました。各患者は、レスポンダーまたは qEASL 応答規準の下で非応答機として分類されました。機能マトリックス?...

Watch this Scientific Journal Video about Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma at JoVE.co

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

機械学習を用いた画像誘導治療治療に対する反応を予測: 肝細胞癌における経動脈的治療の例

動注療法は、外科的切除を受けることができない肝細胞癌患者に対するケアの標準です。これらの治療法に対する応答予測手法を提案します。技術は、治療前に応答を予測できる機械学習モデルのトレーニングに、人口統計学的、臨床的および画像については事前手続きを使用します。

Intra-arterial therapies are the standard of care for patients with hepatocellular carcinoma who cannot undergo surgical resection. The objective of this ...

この方法は、動脈内療法に対する応答を予測するのに役立ちます。介入腫瘍学における機械学習アプリケーションは、画像誘導療法による肝臓癌やその他の疾患の治療方法を変えます。この方法は、2つの重要な決定が行われる方法を改善する可能性を秘めています。一般に、このメソッドを新しく作成するユーザーは、機能を生成し、機械学習とコードを実行する必要があるため、苦労します。この方法の視覚的なデモンストレーションは、イメージングマスクを使用してそれらのフィーチャーを抽出する必要があるフィーチャー生成ステップとして重要です。モデルをトレーニングするには、適切な情報を持つ臨床的に代表的なデータセットが必要です。このような機械学習アルゴリズムをさらに改善するには、より多くの患者データと大規模なコホートが必要になります。モデルに含める臨床機能を決定した後、適切な自然言語ツールキットを使用して、プレーンテキストのクリニックノートを文に解析し、関心のある用語を検索できるようにします。次に、各患者の特徴を、1行に1つの特徴を持つファイルに保存します。非バイナリ機能の場合、すべての患者の各特徴の中央値を取得し、各特徴を中央値に基づいて真または偽の値として二値化します。医療画像から平均肝増強機能を計算する。肝臓を含むボクセルを分離した後、平均肝増強コマンドを入力します。肝臓の容積の特徴を決定するには、指示に従ってコマンドを入力します。次に、各イメージング フィーチャーの中央値を計算し、実証したようにフィーチャを二値化します。フィーチャの集約と削減については、まず低分散フィーチャーを考慮から削除し、二項行列のフィーチャーを読み取る必要があります。次に、分散しきい値モデルを使用して、レスポンダーと非応答者の両方の少なくとも 20% に現れるフィーチャを計算します。結果との一変量関連性が低い特徴を削除し、元の低変種スクリーニングに合格した機能のみをフィルタリングし、nは患者数であるn特徴を保持します。次に、表に示すように、各機能のバイナリ行列を読み取ります。フィーチャがバイナリ化され、フィルタリングされた後、モデルをトレーニングする時間です。モデルトレーニングは、研究中の結果に機能を適合させ、新しい患者についての予測を行うために使用できる簡単なプロセスです。肝細胞癌に対するトランス動脈療法を受けた36人の患者のこの代表的な分析では、25の特徴が同定され、変異体および一変量会合フィルターの両方を満たす5つの特徴で実証されたように二値化された。各患者は、肝臓応答基準の研究のための定量的な欧州協会の下で応答者または非応答者のいずれかとしてラベル付けされた。図示したように、ロジスティック回帰モデルとランダムフォレストモデルの両方が、この方法に従って78%の全体的な精度でトランス動脈ケミオンボル化治療応答を予測し、トレーニングモデルを適用することによって新しい患者に予測を行うことができる。この機械学習技術は、手続き前、手続き間、および手続き後のイメージングを含むあらゆる治療法に普遍的に適用できます。

Research

JoVE Journal

Medicine

The Measurement and Treatment of Suppression in Amblyopia

弱視における抑制の測定と治療

Amblyopia, a developmental disorder of the visual cortex, is one of the leading causes of visual dysfunction in the working age population. Current ...

The Goeckerman Regimen for the Treatment of Moderate to Severe Psoriasis

中等度から重度の乾癬の治療のためにGoeckermanレジメン

Psoriasis is a  chronic, immune-mediated inflammatory skin disease affecting approximately 2-3%  of the population. The Goeckerman regimen consists of ...

Ex Vivo Treatment Response of Primary Tumors and/or Associated Metastases for Preclinical and Clinical Development of Therapeutics

Ex Vivo Treatment Response of Primary Tumors and/or Associated Metastases for Preclinical and Clinical Development of Therapeutics

エキソビボ処理前臨床のための原発腫瘍および/ ​​または関連した転移の応答と治療薬の臨床開発

The molecular analysis of established cancer cell lines has been the mainstay of cancer research for the past several decades. Cell culture provides both ...

The In Ovo Chick Chorioallantoic Membrane (CAM) Assay as an Efficient Xenograft Model of Hepatocellular Carcinoma

The In Ovo Chick Chorioallantoic Membrane CAM Assay as an Efficient Xenograft Model of Hepatocellular Carcinoma

ザ・<em&gt;卵内</em肝細胞癌の効率的な異種移植モデルとして&gt;ニワトリ絨毛尿膜（CAM）アッセイ

The chick chorioallantoic membrane (CAM) begins to develop by day 7 after fertilization and matures by day 12. The CAM is naturally immunodeficient and ...

Evaluation of the Efficacy of the H. pylori Protein HP-NAP as a Therapeutic Tool for Treatment of Bladder Cancer in an Orthotopic Murine Model

Evaluation of the Efficacy of the H. pylori Protein HP-NAP as a Therapeutic Tool for Treatment of Bladder Cancer in an Orthotopic Murine Model

の有効性の評価<em&gt; H。ピロリ</em同所性マウスモデルにおける膀胱癌の治療のための治療ツールとして&gt;タンパク質HP-NAP

Bladder cancer is one of the most common malignancies of the urogenital tract. Intravesical injection of Bacillus Calmette-Gu&#233;rin (BCG) is the gold ...

A "Patient-Like" Orthotopic Syngeneic Mouse Model of Hepatocellular Carcinoma Metastasis

肝細胞癌転移の「患者様」同所同系マウスモデル

The majority of cancer-related deaths are caused by the metastasis of the cancer rather than the primary tumor itself. Yet, the underlying mechanisms of ...

MRI-guided dmPFC-rTMS as a Treatment for Treatment-resistant Major Depressive Disorder

治療抵抗性大うつ病性障害の治療薬としてdmPFC-のrTMSをMRIガイド

Here we outline the protocol for magnetic resonance imaging (MRI) guided repetitive transcranial magnetic stimulation (rTMS) to the dorsal medial ...

Using Micro-computed Tomography for the Assessment of Tumor Development and Follow-up of Response to Treatment in a Mouse Model of Lung Cancer

腫瘍の開発の評価のためのマイクロコンピュータ断層撮影を使用し、肺癌のマウスモデルでの治療に対する応答のフォローアップ

Lung cancer is the most lethal cancer in the world. Intensive research is ongoing worldwide to identify new therapies for lung cancer. Several mouse ...