仅仅利用临床数据的深度学习模型,在腹壁重建后,经过长期随访后,对的复发表现优于基于图像的模型
Hadley H Wilson1, Chiyu Ma2, Dau Ku1
1Division of Gastrointestinal and Minimally Invasive Surgery, Department of Surgery, Carolinas Medical Center, 1025 Morehead Medical Drive Suite 300, Charlotte, NC, 28204, USA.
Surgical endoscopy
|June 11, 2024
概括
临床数据,而不是成像,在腹壁重建 (AWR) 后最好预测的复发. 虽然深度学习模型 (DLM) 的预测能力较差,但临床DLM最有效,这表明成像对复发预测可能不那么重要.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 外科手术的结果
背景情况:
- 深度学习模型 (DLM) 在使用手术前计算机断层扫描 (CT) 图像预测腹壁重建 (AWR) 后的结果方面表现有前途.
- 以前的模型已经成功预测了组件分离,伤口并发症和肺衰竭.
研究的目的:
- 应用DLM来预测在AWR后的复发.
- 评估是否结合临床数据可以提高DLM对复发的预测准确性.
主要方法:
- 包括190名接受AWR和术前CT的患者;80%用于培训,20%用于测试.
- 开发了三个DLM:仅图像,仅临床数据 (年龄,性别,BMI,糖尿病,烟草使用) 和组合.
- 用曲线下的面积 (AUC) 来预测复发的模型性能进行了评估.
主要成果:
- 仅用于临床的DLM的AUC为0.667,超过仅用于图像的DLM (AUC:0.500) 和组合的DLM (AUC:0.604).
- 复发率为14.7%,平均随访时间超过7年.
- 所有模型都表现出对的复发的预测能力较差.
结论:
- 仅基于临床数据的DLM比基于成像或组合模型更能预测复发.
- 与其他结果相比,成像特征在预测AWR复发方面可能不那么重要.
- 未来的研究应该探索DLMs识别的成像特征,并扩展临床数据以改善预测.
