预测直肠癌的预后从基因病理图像和临床信息使用多模式深度学习预测
Yixin Xu1, Jiedong Guo1, Na Yang2
1Department of General Surgery, The Affiliated Hospital of Xuzhou Medical University, Xuzhou, Jiangsu, China.
Frontiers in oncology
|May 1, 2024
概括
这项研究开发了一种多模式的深度学习框架,使用病理图像和临床数据来预测直肠癌存活率. 与仅使用图像相比,综合方法改善了生存预测的准确性.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 结直肠癌患者的生存预测对于治疗规划至关重要.
- 整合不同的数据源可以提高预后准确性.
研究的目的:
- 为预测直肠癌患者的存活率,开发一个多模式的深度学习框架.
- 利用数字病理图像和非成像临床数据来改善预测.
主要方法:
- 分析了292名直肠癌患者的队列.
- 深度学习模型 (ResNest,MHAF) 用于生存预测.
- 数字病理图像 (H&E) 和临床数据进行了预处理和整合.
主要成果:
- 使用基因病理图像进行个人预测,AUC达到0.797.7.
- 结合图像和临床数据的多模式方法实现了0.837的AUC,用于整体生存预测.
- 多模态深度学习在图像预测上表现出优越的性能.
结论:
- 多模式深度学习模型显示了预测直肠癌存活率的巨大潜力.
- 将组织病理图像与临床数据相结合,为临床决策提供了宝贵的见解.
- 这一框架可以为直肠癌患者提供个性化治疗策略的帮助.


