基于机器学习的预测,从内分显微镜检查的局部高级直肠癌患者中对新辅助化学放射治疗的反应

科学领域:

• 胃肠病学 胃肠病学
• 在瘤学瘤学.
• 医疗成像医学成像

背景情况:

• 局部晚期直肠癌 (LARC) 治疗包括化学放射治疗 (neoCRT),然后进行手术.
• 预测neoCRT的疗效对于优化治疗和避免毒性至关重要.
• 基于探头的共聚焦激光内显微镜 (pCLE) 提供体内成像,用于评估结直肠粘膜.

研究的目的:

• 介绍Motiro,一个用于分析PCLE视频的机器学习 (ML) 框架.
• 为了预测LARC患者的neoCRT反应,使用治疗前的PCLE视频分析.
• 评估Motiro在pCLE图像上的瘤和周围的粘膜的预测性能.

主要方法:

• 从47名接受neoCRT的LARC患者 (T3/T4或N+) 收集了pCLE视频.
• 使用内镜,活检和MRI评估治疗反应.
• 应用了Motiro ML框架用于PCLE视频的自动分析,以将患者分类为响应或不响应.

主要成果:

• 使用瘤图像,Motiro获得了~0.62的精度,使用周围的粘膜图像获得了~0.70的精度.
• 周围区域内的光的空间异质性是neoCRT响应的关键预测因素.
• 对周粘膜的分析为neoCRT反应提供了更强的预测能力.

结论:

• 开发了一个计算框架 (Motiro) 来预测LARC患者的neoCRT反应,使用治疗前的pCLE成像.
• pCLE视频分析,特别是周围的粘膜,显示出预测治疗结果的希望.
• 这种方法可以帮助量身定制neoCRT剂量和手术时间.