一个基于CT的深度学习模型:临床阶段IA肺腺癌中的内脏性膜入侵和生存预测
Xiaofeng Lin1, Kunfeng Liu1, Kunwei Li2
1Department of Medical Imaging, State Key Laboratory of Oncology in South China, Guangdong Provincial Clinical Research Center for Cancer, Sun Yat-sen University Cancer Center, Guangzhou 510060, P.R. China.
iScience
|January 11, 2024
概括
一种深度学习模型准确地预测了早期肺癌患者的内脏膜入侵 (VPI). 这种预测有助于对患者进行分层,以获得更好的预后结果和手术计划.
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:
- 在早期肺癌中,病理性内脏膜入侵 (VPI) 可以导致T1到T2升级.
- VPI影响手术决策和患者预后.
研究的目的:
- 开发和验证基于CT的深度学习 (DL) 模型,用于预测VPI状态.
- 根据使用DL模型的预后结果对患者进行分层.
主要方法:
- 一个3D残余神经网络被用来提取DL签名.
- 该研究包括来自三个中心的2077名病理确认的临床阶段IA肺腺癌患者.
主要成果:
- DL模型在预测VPI状态方面表现出有效性.
- 无论是DL预测的还是病理的VPI都与较短的无病生存时间有关.
结论:
- 开发的深度学习特征可以帮助准确预测临床阶段IA肺腺癌的VPI.
- 这种工具可以改善这些患者的预后分层.
