基于计算机断层扫描的深度学习放射学分析,用于预测胃神经内分泌瘤的存活率:一项多中心研究

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:

• 胃神经内分泌瘤 (gNENs) 需要准确的生存预测来规划治疗和个性化医疗.
• 目前对gNENs的预后模型可能会从先进的预测工具中受益.

研究的目的:

• 开发和验证深度学习 (DL) 放射学模型,用于预测gNENs患者的整体存活率 (OS).
• 评估DL放射学与临床因素结合的性能,以提高预后准确度.

主要方法:

• 来自两家医院的162名gNEN患者的回顾性分析,分为培训,内部和外部验证队列.
• 将DL放射学应用于计算机断层扫描 (CT) 的动脉和静脉相位图像,以创建预测签名.
• 开发一种结合模型,使用Cox比例危险分析整合放射学特征和临床因素.

主要成果:

• 在所有队列中,DL放射学特征与OS有显著的相关性 (C指数:0.56-0.92).
• 与临床模型相比,综合模型在所有验证组中显著改善了OS预测 (C指数:0.71-0.86).
• 组合模型有效地将患者分为高风险和低风险组,具有不同的生存结果.

结论:

• 深度学习放射学为gNEN患者的预后预测提供了一种有希望的非侵入性方法.
• 这种方法可以增强风险分层,并指导个性化治疗决策用于gNEN管理.