一种基于人工神经网络的放射学模型,用于预测晚期食道状细胞癌患者的放射治疗反应:一项多中心研究

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 放射治疗对晚期食道状细胞癌 (ESCC) 有好处,但并非所有患者都能接受.
• 预测放射治疗反应对于优化ESCC治疗策略至关重要.

研究的目的:

• 开发和验证基于深度学习的放射学模型,用于预测高级ESCC中预治疗放射治疗反应.
• 将计算机断层扫描 (CT) 成像功能与基线特征集成,以提高预测准确度.

主要方法:

• 利用了248名先进ESCC患者的数据集,这些患者接受了基线CT和放射治疗.
• 开发并比较机器学习和深度学习的放射学模型,包括Att. 再网50预训练网络. 预训练网络.
• 使用培训,内部和外部验证队列验证模型性能.

主要成果:

• 这位检察官. 在Resnet50预训练的网络模型中,AUC为0.876 (训练),0.802 (内部验证) 和0.732 (外部验证),表现出优异的性能.
• 该模型表现出优异的校准和显著的临床实用性,由C指数和决策曲线分析证实.

结论:

• 一种新的深度学习放射学模型可以在治疗前可靠地预测晚期ESCC患者的放射治疗反应.
• 该模型提供了有价值的证据,以支持个性化ESCC管理的治疗决策.