基于PET/CT的深度学习分级签名,以优化临床I期侵袭性肺腺癌的手术决策及其预测下的生物基础:一项多中心研究
Yifan Zhong1, Chuang Cai2, Tao Chen1
1Department of Thoracic Surgery, Shanghai Pulmonary Hospital, Tongji University School of Medicine, Shanghai, China.
European journal of nuclear medicine and molecular imaging
|September 19, 2023
概括
一个新的深度学习分级签名 (DLGS) 可以使用PET/CT扫描预测侵入性肺腺癌等级. 这个工具有助于个性化早期肺癌患者的手术治疗,改善结果.
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:
- 对侵袭性肺腺癌的标准化分级系统的缺乏一直存在.
- 2020年10月推出了一种新的分级系统,用于分类组织学亚型和比例.
- 个性化治疗策略对于改善早期肺癌患者的治疗结果至关重要.
研究的目的:
- 使用PET/CT成像开发一个深度学习分级签名 (DLGS).
- 为了个性化治疗临床I期侵袭性肺腺癌的手术治疗.
- 探索DLGS预测的生物学基础.
主要方法:
- 来自四个医疗中心的2638名临床第一阶段侵袭性肺腺癌患者的回顾性分析.
- 使用接收器运行特征曲线分析 (AUC) 构建和验证DLGS.
- 生存分析和组织学模式,基因型变异,遗传途径和免疫细胞透风险组之间的比较.
主要成果:
- DLGS显示了3级的高预测性能,AUC从0.844到0.862不等,超过了PET,CT和临床模型.
- 在DLGS定义的高风险患者中,分分管切除与分分管切除和系统节点剖析与有限节点剖析的预后改善.
- 根据高风险组的手术方法观察到总生存 (OS) 和无复发生存 (RFS) 的显著差异.
结论:
- DLGS显示了预测组织学等级和个性化临床I期侵袭性肺腺癌手术治疗的潜力.
- 建议在更大的国际研究中进一步验证,以确认其在不同地区的适用性.
- 这种人工智能驱动的方法可能会提高治疗分层和肺腺癌患者管理.
