预测使用深度学习对前化学疗法横截面成像进行结直肠肝转移的新辅助化疗反应
Joshua M K Davis1, Muhammad Khalid Khan Niazi2, Ansley B Ricker1
1Department of Surgery, Atrium Health Carolinas Medical Center, Charlotte, North Carolina, USA.
Journal of surgical oncology
|May 7, 2024
概括
深度学习模型使用成像技术准确预测结直肠癌肝脏转移对新辅助化疗的反应. 这种方法优于临床模型,可能引导早期的手术干预对不响应者.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 人工智能在医学中的应用
背景情况:
- 深度学习模型 (DLM) 在健康科学中越来越多地用于预测分析.
- DLMs利用神经网络从复杂的数据集中获得洞察力.
- 预测化疗反应对于优化癌症患者治疗策略至关重要.
研究的目的:
- 评估DLM在预测患者对结直肠肝转移的新辅助化疗反应的疗效.
- 为了比较基于图像的DLM与传统的临床风险评分模型的预测性能.
主要方法:
- 一个采用基于注意力的多实例学习的DLM在计算机断层扫描 (CT) 图像上接受了训练,这些图像来自患有结直肠肝转移的患者.
- 一个逻辑回归模型,结合了Fong临床风险评分中的临床参数,作为比较基准.
- 模型的性能使用固体瘤响应评估标准 (RECIST) 标准进行评估,并根据接收器操作特征曲线 (AUC) 下的区域量化.
主要成果:
- 该研究包括95名患者,共33619张CT图像;60%的患者对基于5-甲的化疗有反应.
- 对于预测化疗反应,DLM达到0.77的AUC.
- 临床模型显示AUC显著降低,为0.41.
结论:
- 基于图像的DLM在预测结直肠癌肝转移患者的新辅助化疗反应方面明显优于临床模型.
- 这种DLM在识别不响应患者方面表现有前途,能够及时调整治疗计划.
- 这些发现表明,根据预测的治疗反应,有可能引导选择的患者进行更早的治疗切除.
