使用基于磁共振成像和临床数据的人工智能模型预测直肠癌对全新辅助治疗的反应
Ganlu Ouyang1,2,3, Zhebin Chen4,5, Meng Dou4,5
1Department of Radiation Oncology, Cancer Center, West China Hospital, Sichuan University, Chengdu, China.
Technology in cancer research & treatment
|July 11, 2023
概括
人工智能模型使用基线MRI和临床数据准确预测局部晚期直肠癌的治疗反应. 这些发现支持个性化治疗方法,以改善患者的治疗结果.
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:
- 局部晚期直肠癌 (LARC) 需要有效的治疗策略.
- 预测对全新辅助治疗 (TNT) 的反应对于优化患者管理至关重要.
研究的目的:
- 开发和评估人工智能 (AI) 模型,用于预测LARC患者的TNT反应.
- 利用基线磁共振成像 (MRI) 和临床数据进行预测建模.
主要方法:
- 对LARC患者数据的回顾分析,包括基线MRI和临床信息.
- 开发后勤回归 (LR) 和深度学习 (DL) 模型来预测TNT响应.
- 根据瘤回归度 (TRG) 和体积减小,将响应分为病理完整响应 (pCR) 和非pCR和灵敏度组.
主要成果:
- LR和DL模型显示了TNT响应的可比预测性能.
- 预测高灵敏度和pCR的LR模型的接收器运行特征曲线 (AUC) 下的面积分别为0.853和0.866.
- DL模型的AUC为高灵敏度的0.829和pCR的0.838,在第一组 (pCR与非pCR) 的精度更高.
结论:
- 基于人工智能的放射生物标志物显示出在LARC中预测TNT反应的潜力.
- 在LR和DL模型性能之间没有观察到显著差异.
- 这些发现可能会为LARC患者提供适应性和个性化治疗策略.
