基于多任务深度学习的放射性诺米克图谱用于局部区域高级鼻癌的预后预测
Bingxin Gu1,2,3,4,5, Mingyuan Meng6, Mingzhen Xu1,2,3,4,5
1Department of Nuclear Medicine, Fudan University Shanghai Cancer Center, Shanghai, People's Republic of China.
European journal of nuclear medicine and molecular imaging
|August 18, 2023
概括
多任务深度学习准确地预测了局部区域高级鼻癌 (LA-NPC) 患者的预后. 开发的诺米图改善了患者分层,以实现个性化治疗规划.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 准确的预后预测对于定制治疗局部区域高级鼻癌 (LA-NPC) 的治疗至关重要.
- 多任务深度学习模型在联合预后预测和各种癌症的瘤细分方面表现有前途.
研究的目的:
- 评估多任务深度学习方法在LA-NPC患者的预后预测中的临床实用性.
- 开发和验证一种基于深度学习的新型放射性名图,以改善患者分层.
主要方法:
- 一种深度多任务生存模型 (DeepMTS) 用于在886名LA-NPC患者的[18F]FDG PET/CT图像上进行联合预后和瘤细分.
- 从DeepMTS细分面具中提取了放射性特征,并通过整合这些特征,DeepMTS得分和临床数据构建了一个基于深度学习的多任务放射性 (MTDLR) 命名图.
- 用Harrell的一致性指数 (C指数) 和在培训,内部和外部验证队列中进行时间独立的ROC分析来评估模型性能.
主要成果:
- 在MTDLR nomogram中,MTDLR表现出强大的区分能力,C指数为0.818 (培训),0.752 (内部验证) 和0.717 (外部验证).
- 曲线下的面积 (AUC) 值为0.859 (培训),0.769 (内部验证) 和0.730 (外部验证),表明比传统的放射性诺米克图有统计学上的显著改善.
- 根据无进展生存期 (PFS),该名录有效地将患者分为不同的高风险和低风险组.
结论:
- 在MTDLR nomogram为LA-NPC患者提供可靠和准确的预后预测.
- 这种方法增强了患者分层,促进了更个性化的治疗策略.
- 多任务深度学习在管理LA-NPC方面具有显著的临床价值.
