基于MRI的多参数深度学习放射学模型,用于评估非肌肉侵入性膀癌5年复发风险
Haolin Huang1,2, Yiping Huang3, Joshua D Kaggie4
1School of Biomedical Engineering, Fourth Military Medical University, Xi'an, Shaanxi, China.
Journal of magnetic resonance imaging : JMRI
|August 21, 2024
概括
将多参数MRI放射学和深度学习与临床因素相结合,显著改善了对非肌肉侵入性膀癌 (NMIBC) 的5年复发风险评估. 这种方法提高了比传统模型更好的NMIBC管理的预测准确性.
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:
- 准确的5年复发风险评估对于管理非肌肉侵入性膀癌 (NMIBC) 至关重要.
- 目前的模型,如欧洲癌症研究和治疗组织 (EORTC) 模型,在预测NMIBC复发方面表现不佳.
- 需要改进方法来提高NMIBC复发风险分层的准确性.
研究的目的:
- 评估将多参数MRI (mp-MRI) 与临床因素相结合的疗效,以改善NMIBC中5年复发风险评估.
- 为了比较结合临床-放射学-深度学习模型与传统模型的性能.
主要方法:
- 一项回顾性研究涉及191名患有NMIBC的患者,这些患者接受了mp-MRI并进行了至少5年的随访.
- 放射学和深度学习 (DL) 功能从mp-MRI的综合感兴趣区域 (cROI) 中提取.
- 开发了四种模型:基于cROI的临床放射学,DL和临床放射学-DL (CRDL) 组合模型. 统计分析包括ROC曲线,考克斯回归和SHAP值.
主要成果:
- 该CRDL模型在测试队列中表现出卓越的表现,在NMIBC中,在5年复发评估中达到0.909的AUC.
- 此外,CRDL模型还实现了最高的哈雷尔一致性指数 (0.804),用于估计无复发生存率.
- 沙普利添加式解释 (SHAP) 分析表明,放射性特征在NMIBC复发预测中发挥了实质性作用 (22%).
结论:
- 将手术前的mp-MRI中的基于cROI的放射学和DL特征与临床因素相结合,显著提高了NMIBC的5年复发风险评估.
- 与现有方法相比,开发的CRDL模型为预测NMIBC复发提供了更准确和更强大的工具.
- 这种先进的方法有望优化NMIBC患者管理和治疗策略.
