深度学习的诺姆图用于预测局部晚期胃癌患者的新辅助化疗反应
Jingjing Zhang1, Qiang Zhang2, Bo Zhao3
1Department of Radiology, The Fourth Hospital of Hebei Medical University, Shijiazhuang, People's Republic of China.
Abdominal radiology (New York)
|May 26, 2024
概括
一种深度学习的诺基图准确地预测了使用CT扫描的局部晚期胃癌 (LAGC) 患者的新辅助化疗 (NAC) 反应. 这个工具有助于个性化治疗胃癌的治疗决策.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 局部晚期胃癌 (LAGC) 需要有效的新辅助化疗 (NAC) 来改善治疗结果.
- 预测NAC反应对于定制治疗策略和改善患者预后至关重要.
研究的目的:
- 开发和验证一个深度学习的放射学诺米克图,用于预测LAGC患者的NAC反应.
- 将多相对比增强型计算机断层扫描 (CECT) 成像功能与临床数据相结合,以提高预测准确度.
主要方法:
- 一项多中心的回顾性研究包括322名LAGC患者.
- 手工制作的放射学和EfficientNet V2深度学习模型应用于CET图像.
- 使用手工制作的功能,深度学习功能和临床数据构建了一个名ogram.
主要成果:
- 该名图表表现出了优异的区分能力,训练集的ROC曲线下的面积 (AUC) 为0.848.
- 该模型与临床模型和手工制作的放射学模型相比显示出更高的性能.
- 通过决策曲线分析,名图表表现出良好的校准和临床实用性.
结论:
- 一个经过验证的深度学习放射学名图可以准确地预测LAGC患者的NAC反应.
- 使用CECT图像和临床数据的诺莫图,提供了个性化的治疗见解.
- 这种方法支持针对LAGC患者进行手术切除的量身定制的治疗策略.


