深度学习和息地放射学的整合,用于预测NSCLC患者对免疫治疗的反应
Weimin Caii1, Xiao Wu2, Kun Guo2
1Department of Emergency, Wenzhou Hospital of Integrated Traditional Chinese and Western Medicine, Wenzhou, 325000, China.
Cancer immunology, immunotherapy : CII
|June 4, 2024
概括
结合深度学习和息地放射学的新型非侵入性模型准确预测非小细胞肺癌 (NSCLC) 患者的免疫治疗反应,帮助个性化治疗决策.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 在非小细胞肺癌 (NSCLC) 中预测免疫疗法反应对于有效治疗至关重要.
- 需要非侵入性生物标志物,以避免不必要的治疗停止或延长.
研究的目的:
- 开发一种非侵入性模型,用于预测高级NSCLC的免疫治疗反应.
- 整合深度学习和息地放射学,以提高预测准确度.
主要方法:
- 利用来自三个医疗中心的独立患者队伍进行培训和测试.
- 提取的息地成像放射学特征和深度学习特征 (3D ResNet).
- 采用了特征选择技术和支持向量机,然后开发了一个组合模型.
主要成果:
- 综合模型实现了接收器操作特征曲线下的面积为0.865.5.
- 该模型有效地区分了高风险和低风险患者.
- 在患者分层中显示出显著的临床实用性.
结论:
- 深度学习和息地放射学的结合有效地预测了NSCLC的免疫治疗反应.
- 开发的模型显示了作为NSCLC患者个性化免疫疗法管理工具的潜力.
