胸部肌肉通过深度学习放射学来预测乳腺癌的远程转移

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:

• 萨科佩尼亚与乳腺癌 (BC) 预后不佳有关.
• 目前的方法缺乏对肌肉生物标志物和远程转移的定量评估.
• 胸部肌肉评估对于预测BC进展至关重要.

研究的目的:

• 开发和评估一个深度学习放射学名录模型 (DLR-N) 用于预测BC的远程转移.
• 为了评估胸部肌肉成像特征的预测价值.

主要方法:

• 从493名BC患者的CT扫描中提取了图像特征.
• 使用单变量和多变量考克斯回归来确定预后因素.
• 构建并验证了DLR-N模型用于预测远程转移.
• 评估模型性能,区分,校准和临床实用性.

主要成果:

• DLR-N模型表现出优异的预测性能,具有高的C指数 (训练:0.983,测试:0.948).
• 与单独的临床病理学模型相比,结合多模式放射性特征提高了预测准确性.
• 决策曲线分析证实了DLR-N模型的临床益处.

结论:

• DLR-N模型确定了影响远程转移的生物标志物,包括T4脊椎水平的生物标志物.
• 基于深度学习的多式预测模型显示,它有可能帮助BC的远程转移预测.
• 这种方法为个性化BC管理提供了一个有前途的工具.