用MRI图像和深度学习神经网络评估直肠癌中新辅助化学放射疗法反应

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 人工智能在医学中的应用

背景情况:

• 对直肠癌治疗反应的评估对于指导治疗至关重要.
• 新辅助化学放射疗法 (nCRT) 是对直肠癌的标准治疗方法.
• 对nCRT后瘤反应的准确评估对于患者管理至关重要.

研究的目的:

• 开发深度学习的神经网络,用于评估直肠癌中瘤对nCRT的反应.
• 使用磁共振 (MR) 图像来准确预测治疗反应.
• 引导治疗决策,改善患者在直肠癌的治疗结果.

主要方法:

• 对59例第二或第三阶段的直肠癌瘤进行了回顾性分析,这些瘤接受了nCRT治疗.
• 开发一个深度神经网络 (DNN) 与长期短期记忆 (LSTM) 单元,使用MR图像功能.
• 基于DNN的瘤回归分级 (DNN-TRG) 与病理分级 (Dw-TRG) 和传统的MR成像分级 (MR-TRG) 的比较.

主要成果:

• 与MR-TRG (76.3%) 相比,DNN-TRG在预测良好或完整反应方面表现出更高的准确性 (89.8%).
• 在预测瘤反应方面,DNN-TRG比MR-TRG获得了更高的灵敏度 (84.6%) 和准确度 (89.8%).
• DNN-TRG表现出强烈同意病理分级 (科恩卡帕=0.79对于良好/完整反应).

结论:

• 深层LSTM神经网络提供了一个有希望的,准确的方法来评估瘤对直肠癌中的nCRT的反应.
• 用人工智能驱动的MRI图像分析可以显著提高治疗反应的预测.
• 这种方法有可能优化治疗策略,改善直肠癌患者的治疗结果.