人工智能预测模型在预测T1结直肠癌的淋巴结转移方面优于传统指南

科学领域:

• 在瘤学瘤学.
• 医疗人工智能 医疗人工智能
• 手术瘤学手术瘤学

背景情况:

• 许多T1结直肠癌 (CRC) 患者在内镜切除 (ER) 后接受额外的手术,因为担心淋巴结转移 (LNM).
• 目前的指导方针可能会导致过度治疗,因为T1CRC中LNM的发病率相对较低.

研究的目的:

• 开发和验证人工智能 (AI) 模型,用于预测T1 CRC中的LNM.
• 通过准确识别高风险患者,减少不必要的额外手术率.

主要方法:

• 在651名T1CRC患者的12个临床病理因素上训练了一种分类和回归树 (CART) 算法.
• 人工智能模型的预测性能与日本结肠直肠癌学会 (JSCCR) 和国家综合癌症网络 (NCCN) 的指导方针进行了评估.

主要成果:

• 与JSCCR (AUC=0.588) 和NCCN (AUC=0.850) 准则相比,人工智能模型显示出更高的预测性能 (AUC=0.960).
• 与JSCCR指南相比,AI模型显著提高了特异性 (85.8%) 和均衡准确性 (92.9%),将高风险组的识别从83.8%降至20.9%.

结论:

• 开发的AI模型在预测T1 CRCs的LNM方面显著优于传统指南.
• 这种人工智能工具有可能大幅减少接受不必要的额外手术的患者数量.