基于原发性瘤的深度学习模型来预测临床阶段IA肺腺癌中的淋巴结状况:一项多中心研究

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 人工智能的人工智能

背景情况:

• 肺腺癌是癌症死亡的一个重要原因.
• 精确的淋巴结分期对于早期肺腺癌的治疗计划至关重要.
• 目前用于淋巴结评估的方法可能是侵入性的,可能导致过度治疗.

研究的目的:

• 开发和验证一种深度学习模型,用于预测临床阶段IA肺腺癌中的淋巴结转移.
• 用独立的数据集和各种指标来评估模型的性能.
• 探索AI在优化早期肺癌手术策略方面的潜力.

主要方法:

• 一个深度残留网络 (ResNet) 模型被训练在1009名患者的高分辨率计算机断层扫描 (HRCT) 特征上.
• 来自两个独立医院的数据被用于培训,验证和测试.
• 用曲线下的面积 (AUC),精度,回忆和F1分数来评估模型性能.

主要成果:

• 深度学习模型在预测淋巴结状况方面取得了很高的准确性,在测试队列中,pN0的AUC为0.906,pN2的AUC为0.848.
• 该模型表现出强大的精度 (0.979对于pN0) 和回忆 (0.903对于pN2).
• 不同患者亚组的表现保持一致,包括那些非纯粉碎玻璃结节患者.

结论:

• 深度学习模型可以有效地预测早期肺腺癌的淋巴结状况.
• 这种人工智能工具有可能指导淋巴结解剖,提高手术精度.
• 该模型可能有助于减少不必要的淋巴结解剖,优化患者护理.