从预治疗ADC的基于深度学习的放射学模型来预测晚期前列腺癌中生物化学复发的情况

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 晚期前列腺癌 (PCa) 复发是一个重大的临床挑战.
• 准确预测生化复发 (BCR) 对治疗规划至关重要.
• 当前的预测模型在准确度上有局限性.

研究的目的:

• 开发和评估一个深度学习的放射学模型,用于预测高级PCa中的BCR.
• 将深度学习模型的预测性能与临床和传统放射学模型进行比较.
• 在模型开发中使用预处理表面扩散系数 (ADC) 地图.

主要方法:

• 对131名晚期PCa患者的回顾性分析,分为训练 (n=93) 和测试 (n=38) 组.
• 使用人工智能模型对预处理ADC图像进行细分,以确定可疑的PCa区域.
• 使用ROC,PR和DCA分析构建和比较三个预测模型:临床放射学,传统放射学和深放射学.

主要成果:

• 与其他模型相比,深度放射学模型显示ROC和PR曲线的AUC显著更高 (P <0.05).
• 决策曲线分析表明,在所有风险值中,深度放射学模型的性能优越.
• 与临床模型相比,深度放射学模型显示了NRI和IDI的显著改善.

结论:

• 深度放射学模型显示了在先进的PCa中预测BCR的巨大潜力.
• 这种人工智能驱动的方法比现有的临床和传统放射学方法提供了更好的预测准确性.
• 深度学习放射学对晚期前列腺癌的个性化治疗策略具有前景.