评估局部先进的直肠癌的内镜反应,用全新辅助疗法治疗:开发和验证一个高度精确的卷积神经网络

科学领域:

• 在瘤学瘤学.
• 人工智能在医学中的应用
• 医学成像分析 医学成像分析

背景情况:

• 对全新辅助疗法 (TNT) 的直肠瘤反应有所不同.
• 评估治疗反应和对直肠癌的监测至关重要.

研究的目的:

• 评估卷积神经网络 (CNN) 解释内镜图像以检测直肠癌对TNT的反应的能力.
• 为了比较CNN与结直肠外科医生在识别不完全反应和局部再生的表现.

主要方法:

• 以TNT治疗的288名直肠癌患者的2717张内镜图像的回顾性审查.
• 训练一个ResNet-50 CNN模型在标有瘤或没有瘤的图像上.
• 将CNN的表现 (AUC) 与16名外科医生/实习生在测试组中进行非完全反应和局部再生的比较.

主要成果:

• 该CNN实现了高精度 (AUC 0.99培训,0.98主要测试集).
• 美国有线电视新闻网 (CNN) 的表现与外科医生在识别非完整反应方面的表现一致.
• 包括CNN在内的所有小组在局部再生检测时的准确性都较低.

结论:

• 一个CNN可以准确地识别直肠癌中对TNT的不完全反应,与专家外科医生相比.
• 在监视期间,CNN的准确性不足以检测当地的再生.