一个计算机视觉算法来预测胰腺管道腺癌患者的上半导体动脉边缘状态
Jane Wang1, Amir Ashraf Ganjouei1, Fernanda Romero-Hernandez1
1Department of Surgery, University of California, San Francisco, CA.
Annals of surgery
|August 23, 2024
概括
一个新的计算机视觉算法可以从胰腺癌患者的CT扫描中预测上层介质动脉 (SMA) 边缘状态. 这种人工智能工具在改善在手术期间血管入侵的预测方面表现有前途.
科学领域:
- 医学成像分析分析 医学成像分析
- 人工智能在瘤学中的应用
- 手术瘤学手术瘤学
背景情况:
- 胰腺管道腺癌 (PDAC) 需要彻底的手术切除才能治愈.
- 准确预测血管侵袭,特别是上层介质动脉 (SMA),对于成功切除PDAC至关重要.
- 目前用于在手术前评估SMA参与的方法在准确性上有局限性.
研究的目的:
- 评估计算机视觉算法的可行性,以预测PDAC患者使用手术前CT扫描来预测SMA边缘状态.
- 将算法的预测性能与专家腹部放射学家和外科瘤学家进行比较.
- 为了提高PDAC手术中血管干预的预测.
主要方法:
- 开发U-Net算法用于SMA细分和ResNet50算法用于从对比度增强的CT扫描中预测边际状态.
- 使用200名成人PDAC患者的CT扫描进行培训和验证,这些患者接受了惠普尔手术 (2010-2022年).
- 专家放射科医生和外科医生对扫描进行盲目审查,病理学报告作为参考标准.
主要成果:
- 对于SMA细分,U-Net模型实现了0.90的子相似系数.
- 与放射科医生 (0.23) 和外科医生 (0.36) 相比,计算机视觉算法在预测积极的SMA边缘方面表现出最高的灵敏度 (0.43).
- 算法和放射科医生都实现了优异的特异性 (0.94),该算法显示的整体精度比放射科医生 (0.80) 和外科医生 (0.76) 高 (0.85).
结论:
- 可开发计算机视觉算法,从PDAC患者的手术前CT扫描中预测SMA边缘状态.
- 该算法显示了作为辅助工具的潜力,以改善SMA血管参与的预测.
- 这种人工智能驱动的方法可能有助于手术规划,并改善PDAC患者的治疗结果.
