基于成像的深度学习用于预测Desmoid瘤进展
Rabih Fares1, Lilian D Atlan1, Ido Druckmann1
1Department of Radiology, Tel Aviv Sourasky Medical Center, Faculty of Medicine, Tel Aviv University, Tel Aviv 6423906, Israel.
Journal of imaging
|May 24, 2024
概括
深度学习模型可以使用基线MRI扫描以93%的准确度预测desmoid瘤 (DT) 的进展. 这种人工智能方法有助于对DT患者的风险分层和临床决策.
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:
- 德斯莫伊德瘤 (DTs) 是局部具有侵略性的瘤,导致显著的发病率.
- 目前的监测方法,如用RECIST 1.1进行的MRI/CT,在检测DT反应和进展方面缺乏准确性.
- 准确预测DT临床过程对于有效管理至关重要.
研究的目的:
- 从基线MRI中识别独特的深度学习特征,这些特征与未来的desmoid瘤临床过程相关.
- 开发一种人工智能模型来预测瘤进展.
主要方法:
- 在2006年至2019年间对51名患有形瘤 (DTs) 的患者进行了回顾性分析.
- 瘤细分在T2脂肪抑制,未经治疗的MRI序列上.
- 深度学习软件应用于细分病变,并与临床数据进行比较.
主要成果:
- 深度学习模型实现了93%的准确性 (±0.04) 和0.89的ROC (±0.08) 在独立预测临床进展从基线MRI.
- 人工智能模型在识别预测DT行为的独特成像特征方面表现出显著的能力.
结论:
- 基线MRI的深度学习分析可以准确地预测desmoid瘤进展.
- 人工智能为风险分层和临床决策提供了一个有前途的工具,用于管理瘤.


