通过深度学习结肠镜图像来预测直肠癌新辅助化疗的治疗反应
Shinya Kato1,2, Norikatsu Miyoshi1,2, Shiki Fujino2
1Department of Gastroenterological Surgery, Graduate School of Medicine, Osaka University, Suita, Osaka 565-0871, Japan.
Oncology letters
|October 9, 2023
概括
分析结肠镜图像的深度学习模型可以预测直肠癌对新辅助化疗的反应. 这种人工智能方法有助于量身定制治疗以获得更好的患者结果.
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:
- 局部先进的直肠癌治疗旨在改善生存率并减少复发.
- 目前的反应评估依赖于治疗后的成像或病理学,缺乏治疗前的预测能力.
研究的目的:
- 开发和验证一种深度学习模型,用于使用结肠镜图像预测直肠癌对新辅助化疗的反应.
- 评估模型在治疗开始前识别治疗反应不佳的患者的准确性.
主要方法:
- 在43名患者的403张结肠镜图像上训练了一个卷积神经网络.
- 模型的诊断性能被评估在一个独立的84张图像集,来自10名患者.
- 计算了包括灵敏度,特异性和AUC在内的关键性能指标.
主要成果:
- 深度学习模型在预测对新辅助疗法的不良反应方面达到71.4% (60/84) 的准确性.
- 灵敏度为77.6% (38/49),特异性为62.9% (22/33),曲线下的面积为0.713.
- 对不良反应的积极预测值为74.5% (38/51).
结论:
- 对结肠镜图像的深度学习分析显示,有可能准确预测直肠癌对新辅助化疗的反应.
- 这种人工智能驱动的方法可能会为晚期直肠癌提供个性化治疗策略.


