在黑血成像上基于深度学习的脑转移的检测和量化可以提供治疗建议:临床队列研究
Hana Jeong1, Ji Eun Park2, NakYoung Kim3
1Department of Radiology and Research Institute of Radiology, University of Ulsan College of Medicine, Asan Medical Center, 43 Olympic-ro 88, Songpa-Gu, 05505, Seoul, Korea.
European radiology
|September 2, 2023
概括
深度学习准确地检测和量化大脑转移 (BM),帮助治疗决策. 这种人工智能工具在将患者分类为不同的治疗途径方面显示出高准确性,改善了患者的治疗结果.
科学领域:
- 神经瘤学神经瘤学
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
背景情况:
- 大脑转移 (BM) 显著影响患者的预后和治疗策略.
- 准确检测和量化BM对于最佳的临床决策至关重要.
研究的目的:
- 评估深度学习系统 (DLS) 在检测和量化大脑转移中的有效性.
- 评估基于DLS的BM评估是否可以指导患者的治疗建议.
主要方法:
- 开发了一种深度学习系统 (DLS),并应用于112名新发现脑转移的患者.
- 根据DLS衍生的BM数量和体积,患者被分为治疗组 (A,B,C),与EANO-ESMO指南保持一致.
- 分析了基于DLS的建议和临床决策之间的一致性,包括考虑向药物.
主要成果:
- DLS准确地分类了患者,与临床决策的总体一致性为76.8% (86/112),在考虑向药物时改善到81.3% (91/112).
- 该系统在区分高风险患者 (广泛的BM) 方面表现出高灵敏度 (95%) 和特异性 (81%).
- 瘤体积和数量与分配的治疗组相关,其中C组 (广泛的瘤体) 的负担最大.
结论:
- 基于深度学习的脑转移的检测和量化显示出临床应用的巨大潜力.
- DLS可以帮助确定有限和广泛的大脑转移的适当治疗选择.
- 这项技术可以在临床环境中提高及时和准确的治疗决策,从而有可能改善患者的治疗结果.
