通过基于CT的深度学习预测小细胞肺癌的整体存活率和预防性头骨辐射益处:一项回顾性多中心研究
Xiaomin Zheng1, Kaicai Liu2, Na Shen3
1Department of Radiology, The First Affiliated Hospital of Anhui Medical University, Hefei 230031, China; Department of Radiation Oncology, Anhui Provincial Cancer Hospital, Hefei 230031, China.
概括
使用CT扫描的新型深度学习模型准确地预测了小细胞肺癌 (SCLC) 患者的生存率. 该模型有助于识别高风险的SCLC患者,他们可能受益于预防性脑辐射 (PCI).
科学领域:
- 在瘤学中使用人工智能
- 无线电学和深度学习
- 肺癌的预后 肺癌的预后
背景情况:
- 小细胞肺癌 (SCLC) 带来了重大的生存挑战.
- 准确预测整体存活率 (OS) 对于治疗计划至关重要.
- 鉴定受益于预防性头骨辐射 (PCI) 的患者仍然是一个未满足的需求.
研究的目的:
- 开发基于计算机断层扫描 (CT) 的深度学习模型,用于预测SCLC患者的OS.
- 为风险分层创建一个OS签名.
- 根据OS签名风险分层,确定可以从PCI中受益的SCLC患者.
主要方法:
- 来自三个医疗中心的556名SCLC患者的回顾性分析.
- 使用统一的完全连接的神经网络开发一个OS签名.
- 深度学习模型与OS预测的临床和组合模型的比较.
主要成果:
- 深度学习模型在OS预测方面显著优于临床模型 (C指数0.745内部,0.733外部).
- 深度学习模型表现出了出色的校准和临床实用性.
- 高风险的SCLC患者在有限和广泛的阶段显示PCI的生存益处.
结论:
- 一个基于CT的深度学习模型显示了预测SCLC患者OS的有希望的性能.
- 开发的OS签名可以帮助个性化治疗规划.
- 操作系统的签名可能有助于选择可以从PCI中受益的SCLC患者.


