预测新辅助化疗反应和高度血清性卵巢癌从CT图像在卵巢癌与多任务深度学习:一个多中心研究
Rui Yin1, Yijun Guo2, Yanyan Wang3
1School of Biomedical Engineering & Technology, Tianjin Medical University, Tianjin, China (R.Y., X.J.).
Academic radiology
|June 19, 2023
概括
一种深度学习模型准确地预测了新辅助化疗 (NACT) 反应,并使用CT扫描对高度血清性卵巢癌 (HGSOC) 进行分类. 这有助于个性化治疗卵巢癌 (OC) 患者.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 在卵巢癌 (OC) 中准确预测新辅助化疗 (NACT) 反应对于个性化医学至关重要.
- 识别可能从NACT中受益的患者对于优化治疗策略至关重要.
研究的目的:
- 开发和验证使用预处理对比增强CT (CECT) 图像的深度学习 (DL) 模型.
- 预测NACT反应,并对高度血清性卵巢癌 (HGSOC) 进行分类.
主要方法:
- 一项多中心研究包括757名OC患者 (追溯和前).
- 使用多期CT图像开发了一种多任务DL模型.
- 使用WHO RECIST 1.1作为参考标准.
主要成果:
- DL模型实现了有希望的细分性能 (DICE平均值=0.83).
- 对于NACT响应预测,DL模型在不同的集合中实现了从0.79到0.88的AUC.
- 对于HGSOC分类,AUC在0.80至0.91.9之间.
结论:
- 多任务DL模型在预测OC患者的NACT反应和HGSOC方面显示出有希望的性能.
- 这个模型可以为个性化治疗规划提供有价值的信息.


