基于深度学习的多模型预测,对手术后患有清细胞细胞癌的患者的无病生存状态:一个多中心队列研究
Siteng Chen1, Feng Gao2, Tuanjie Guo3
1Department of Urology, Renji Hospital, Shanghai Jiao Tong University School of Medicine.
International journal of surgery (London, England)
|March 6, 2024
概括
整合多式联络数据改善了清细胞细胞癌 (ccRCC) 患者的预后预测. 一种新的多式预测特征 (MMPS) 增强了辅助治疗决策的无疾病生存分层.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 生物信息学是一种生物信息学.
背景情况:
- 准确的预后对于接受手术的清细胞细胞癌 (ccRCC) 患者至关重要.
- 与单因素分析相比,整合多式联运数据提供了优越的预后性能.
研究的目的:
- 开发和验证在ccRCC中无疾病生存的多式预测特征 (MMPS).
- 评估MMPS在分层治疗辅助治疗的患者中的疗效.
主要方法:
- 在三个队列中对414名ccRCC患者进行了回顾性分析,使用了整个幻灯片图像,CT扫描和临床数据.
- 开发单模预测模型,使用深度和机器学习来实现无病生存.
- 通过将单一模式模型与瘤阶段/等级结合起来构建MMPS,在独立的队列中进行验证.
主要成果:
- 单模式模型显示了ccRCC无病生存率的良好预测性能.
- 在整个队列中,MMPS实现了高AUC值 (0.742-0.917),并表现出显著的预后能力 (HR> 8.27,P < 0.0001).
- MMPS的表现优于单一模式模型和当前的临床因素,为辅助疗法提供了更好的风险分层.
结论:
- 新型MMPS显著提高了ccRCC患者的预后预测.
- 在等待进一步的多中心验证的情况下,MMPS显示出作为ccRCC治疗决策的实用临床工具的潜力.
