基于CT的放射学和深度学习的诊断准确性,用于预测食道癌中淋巴结转移的淋巴结转移
Payam Jannatdoust1, Parya Valizadeh1, Mohammad-Taha Pahlevan-Fallahy1
1School of Medicine, Tehran University of Medical Sciences, Tehran, Iran.
Clinical imaging
|June 21, 2024
概括
计算机断层扫描 (CT) 放射学和深度学习 (DL) 的整合显示出在食道癌中检测淋巴结转移 (LNM) 的前景. 临床数据进一步提高了模型的灵敏度,有助于预后评估.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗成像医学成像
背景情况:
- 食道癌的诊断往往是延迟的,限制了治疗选择.
- 淋巴结转移 (LNM) 显著影响患者的预后.
- 目前在食道癌中LNM的诊断方法有局限性.
研究的目的:
- 对基于CT的放射学和深度学习 (DL) 的研究进行系统的审查和元分析,用于在食道癌中进行手术前的LNM检测.
- 评估这些模型的诊断性能和方法质量.
主要方法:
- 从主要数据库中对2023年10月1日之前发表的研究进行系统审查和元分析.
- 包括开发基于CT的放射学和/或DL模型用于食道癌LNM的研究.
- 通过使用METhodological RadiomICs Score (METRICS) 来评估方法质量.
主要成果:
- 七项研究被纳入了元分析,表明了高的方法质量.
- 培训和验证组的AUC分组分别为87%和85%.
- 深度学习模型显示,与单独的放射学相比,诊断准确度更高,特别是在结合临床数据时.
结论:
- 基于CT的放射学和DL集成显著改善了食道癌中的LNM检测.
- 纳入临床数据可以提高模型的性能,特别是灵敏度.
- 建议进行进一步的独立验证的多中心研究,以便在临床采用.
