基于MRI的深度学习模型预测了II期鼻癌的远程转移和化疗效益

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:

• 第二阶段鼻癌 (NPC) 呈现出显著的预后变异性,使化疗决定具有挑战性.
• 目前对NPC转移和治疗反应的预测模型需要改进.

研究的目的:

• 开发和验证基于MRI的深度学习 (DL) 模型,用于预测NPCII阶段的远程转移.
• 评估DL模型识别可能从化疗中受益的患者的能力.

主要方法:

• 一项多中心回顾性研究,涉及1072名来自中国三个中心的II期NPC患者.
• 使用MRI数据进行预测的DL模型的开发,随后进行外部验证.
• 与临床和放射学模型对比DL模型的性能.

主要成果:

• DL模型在NPCII阶段的远程转移中表现出显著的预测能力.
• 该模型的性能在独立的外部队列中成功验证.
• 在预测准确度方面,DL模型超过了临床和放射学模型.

结论:

• 基于MRI的DL模型可以准确预测NPCII阶段的远程转移风险.
• 这种人工智能工具有助于识别那些可能从化疗中受益的高风险患者.
• DL模型为NPC的个性化治疗策略提供了有价值的见解.