基于全幻灯片成像的深度学习,预测非小细胞肺癌患者的治疗反应
Yuteng Pan1,2, Wei Sheng3, Liting Shi2
1Medical Science and Technology Innovation Center, Shandong First Medical University and Shandong Academy of Medical Sciences, Jinan, China.
Quantitative imaging in medicine and surgery
|June 7, 2023
概括
使用全幻灯片成像的深度学习模型准确地预测非小细胞肺癌患者的化疗和放射治疗反应,帮助个性化治疗计划.
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:
- 非小细胞肺癌 (NSCLC) 治疗反应预测对于个性化治疗至关重要.
- 全幻灯片成像 (WSI) 为计算病理学提供了丰富的数据来源.
- 化疗和放射治疗 (CRT) 是NSCLC的标准治疗方法,但反应有很大的差异.
研究的目的:
- 开发和验证一种深度学习 (DL) 模型,用于预测使用WSI的NSCLC患者的CRT治疗反应.
- 在内部和外部验证数据集中评估模型的性能.
- 探索基于DL的WSI分析在优化NSCLC治疗策略方面的潜力.
主要方法:
- 在中国三家医院收集了120名用CRT治疗的NSCLC患者的WSI数据.
- 开发了一种两阶段的DL方法:用于瘤选择的组织分类模型和响应预测模型.
- 利用对预测的瘤反应的投票方法来确定患者一级的治疗反应.
主要成果:
- 组织分类模型实现了高精度 (0.966培训,0.956内部验证).
- DL模型表现出强大的预测能力,用于患者层面的治疗反应 (0.786内部验证,0.742外部验证1,0.737外部验证2).
- 该模型处理了181,875个瘤片来预测反应.
结论:
- 基于WSI的DL模型可以有效地预测NSCLC中CRT治疗反应.
- 这种预测能力可以帮助临床医生定制个性化的CRT计划.
- 改善治疗反应的预测可能会导致NSCLC患者的治疗结果更好.
