腫瘍ラジオミクスにおける深層学習の応用と統合:計量書誌学的および可視化分析
Application and integration of deep learning in tumour radiomics: bibliometrics and visualisation analysis
腫瘍ラジオミクスと深層学習の統合は、精密腫瘍学における重要な進歩であり、手動設計の画像特徴量に依存し腫瘍の複雑性を捉える能力に限界がある従来のラジオミクスに代わる強力な選択肢を提供する。この分野の統合戦略、トレンド、将来の方向性を分析するため、Web of Science Core Collection を使用して計量書誌学的分析が実施され、2025年10月28日時点で4,915件の関連論文が収集された。CiteSpace、VOSviewer、bibliometrix を用いて共著、共引用、キーワード分析、潜在ディリクレ配分トピックモデリング、バースト検出が実施された。年間の出版数は2019年の253件から2024年には1,021件へと急速に増加し、中国と米国が主要な貢献国であり、米国が国際協力の中心ハブとなっている。18のコアトピックが特定され、腫瘍の特徴付けと診断、治療応答と予後、分子プロファイリング、方法論的革新の4つのドメインにグループ化された。この分野は、初期のテクスチャ分析から、マルチモーダル融合、分子サブタイピング、深層学習駆動型予測モデリングへと進化している。この計量書誌学的分析は、深層学習とラジオミクスの深い統合によって推進される、腫瘍画像分析における記述的形態学から予測的および予後的モデリングへの明確な移行を示唆している。将来の取り組みは、多国間協力、方法論の標準化、前向き臨床検証を優先し、臨床統合へのギャップを埋めるのに役立つべきであるが、再現性やその他の検証上の課題が残っていることも認識する必要がある。
本記事は学術的な計量書誌学論文であり、腫瘍ラジオミクスと深層学習の統合に関する研究動向を俯瞰したもので、特定の企業や製品の発表、規制当局の決定など投資判断に直結する具体的な事象は含まれていない。従って投資判断の対象外。