基于CT的多模式深度学习,用于在接受免疫治疗的晚期肝细胞癌患者的非侵入性整体生存预测
Yujia Xia1,2, Jie Zhou2,3, Xiaolei Xun4
1Department of Bioinformatics and Biostatistics, School of Life Sciences and Biotechnology, Shanghai Jiao Tong University, Shanghai, China.
Insights into imaging
|August 26, 2024
概括
结合CT扫描和临床数据的深度学习模型准确地预测了晚期肝细胞癌 (HCC) 的整体存活率. 这种基于人工智能的方法比传统方法提供了更好的预后见解,有助于治疗决策.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是指放射学
- 人工智能的人工智能
背景情况:
- 晚期肝细胞癌 (HCC) 在预测患者结果方面带来了重大挑战.
- 准确的预后对于指导治疗策略和改善患者管理至关重要.
研究的目的:
- 开发和验证一种深度学习模型,用于预测高级HCC的整体存活率.
- 整合多模式数据,包括CT扫描和临床信息,以提高预后准确度.
主要方法:
- 一项回顾性研究,涉及来自多个国际中心的免疫疗法治疗的高级HCC患者.
- 开发一个卷积循环神经网络 (CRNN) 来从CT扫描中提取时空特征.
- 放射性得分与临床变量融合,以进行全面的生存风险评估.
主要成果:
- 多模式CRNN模型在验证和测试组分别实现了0.777和0.704的曲线下面面积 (AUC),用于1年生存预测.
- 在验证和测试组中观察到显著的风险分层.
- 与传统的RECIST标准相比,深度学习模型表现出卓越的性能.
结论:
- 对CT扫描和临床数据的深度学习分析为高级HCC患者提供了重要的预后见解.
- 开发的AI模型可以帮助监测疾病状况并识别预后不佳的患者.
- 该工具支持临床医生做出明智的治疗决策,及时实施干预措施.
更多相关视频
00:06An Oncogenic Hepatocyte-Induced Orthotopic Mouse Model of Hepatocellular Cancer Arising in the Setting of Hepatic Inflammation and Fibrosis
Published on: September 12, 2019
8.8K
12:24A Three-Dimensional Spheroid Model to Investigate the Tumor-Stromal Interaction in Hepatocellular Carcinoma
Published on: September 30, 2021
5.1K
