基于3D CNN的深度学习模型的多发性骨髓瘤患者的解释性预测,使用全身MRI

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 人工智能的人工智能

背景情况:

• 磁共振成像 (MRI) 用于预测多发性骨髓瘤 (MM) 的预后.
• 有限的研究已经探索了人工智能 (AI) 应用,用于使用MRI数据预测MM的预后.

研究的目的:

• 使用3D卷积神经网络 (CNN) 和可解释AI (Grad-CAM) 分析全身扩散权重的MRI数据.
• 预测预后并确定有助于MM患者预测的因素.

主要方法:

• 从两个中心的142名MM患者的全身MRI数据的回顾性分析.
• 基于3D CNN的深度学习模型的开发和验证,以预测12个月的进展性疾病.
• 外部验证使用31名患者的单独队列.

主要成果:

• 人工智能模型在内部 (2年PFS:91.2%对61.1%) 和外部验证队列 (2年PFS:92.9%对55.6%) 中显示出无进展生存 (PFS) 的显著分层.
• 该模型在外部验证中实现了接收器运行特征曲线下的面积为0.804.
• 格拉德-CAM分析表明,来自脏和脊椎/骨盆的MRI信号对于预后预测至关重要.

结论:

• 使用3D CNN进行全身MRI分析是预测MM预后的有效独立工具.
• 这种基于人工智能的方法为MM的预后评估提供了一种新的方法,而不需要额外的临床数据.