基于深度学习的放射学模型可以预测胃癌中的外节软组织转移
Shengyuan Liu1,2, Jingyu Deng3, Di Dong1,2
1School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China.
Medical physics
|August 13, 2023
概括
一个使用CT扫描和临床数据的新组合模型准确地预测了胃癌患者的外节软组织转移 (ESTM). 这种模型还显示出预后价值,可能有助于改善手术前阶段.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是指放射学
- 人工智能的人工智能
背景情况:
- 外节软组织转移 (ESTM) 是胃癌 (GC) 的关键预后因素.
- 目前的ESTM评估依赖于术后病理,缺乏手术前方法.
- 精确的手术前确定ESTM对于治疗计划至关重要.
研究的目的:
- 开发和验证基于深度学习的放射学模型,用于GC的手术前ESTM识别.
- 评估开发的整体生存 (OS) 模型的预后价值.
主要方法:
- 一项多中心研究涉及959名GC患者 (培训,测试和外部生存队列).
- 开发了四种模型:深度学习,放射学,临床和使用CT图像和临床数据的组合模型.
- 使用C指数,决策曲线和校准曲线进行绩效评估;用于预后评估的生存分析.
主要成果:
- 组合模型显示ESTM的优异歧视 (C指数:0.770内部,0.761外部).
- 模型的性能独立于瘤大小,淋巴血管入侵和劳伦分类.
- 该模型的得分与OS (C指数:0.723内部,0.715外部) 和隐藏的远程转移有显著的相关性.
结论:
- 结合CT放射学和临床数据的综合模型显示了ESTM在GC中的显著预测能力.
- 这个模型还有效地预测了患者的预后和整体存活率.
- 开发的模型有可能成为术前TNM胃癌分期系统的有价值补充.
