在食道状细胞癌中治疗决策支持的PET/CT深度学习预后

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 对食道状细胞癌 (ESCC) 治疗的临床决策 (单独手术与手术加辅助化疗) 是具有挑战性的.
• 准确的预后预测对于优化患者生存和管理至关重要.

研究的目的:

• 开发和验证一个深度学习模型 (ESCCPro),使用治疗前的PET/CT图像来改善ESCC患者的生存预测.
• 评估ESCCPro对临床决策和患者结果的影响.

主要方法:

• 一项回顾性多中心研究,涉及837名ESCC患者.
• 开发一个预后模型 (ESCCPro),整合六个网络生物标志物.
• 预测接受单独手术 (SA) 或手术加上术后辅助化疗 (SPOCT) 的患者的生存概率.

主要成果:

• 对于临床专家来说,ESCCPro在预后准确性,确定性和效率方面取得了显著的改进.
• 通过ESCCPro指导治疗分配的估计生存益处是相当大的:SA的中位数OS长15.3个月,SPOCT的中位数OS长24.9个月.
• 接受SA治疗的患者的平均寿命比对照组长9.2个月.

结论:

• 通过ESCCPro模型,可以改善手术切除ESCC患者的整体存活率.
• ESCCPro有效地协助临床决策,增强ESCC患者治疗SA或SPOCT的生存益处.