用CT成像进行病理分级和肺癌预后评估的深度学习模型:对NLST和外部验证队列的研究
Runhuang Yang1, Weiming Li1, Siqi Yu1
1Department of Epidemiology and Health Statistics, School of Public Health, Capital Medical University, Beijing, China (R.Y., W.L., S.Y., H.Z., X.L., L.T., X.G.); Beijing Municipal Key Laboratory of Clinical Epidemiology, Capital Medical University, Beijing, China (R.Y., W.L., S.Y., H.Z., X.L., L.T., X.G.).
一个新的深度学习模型从CT扫描中准确地评分肺癌病理,为外科医生提供一种非侵入性工具,用于更好的手术规划和患者治疗. 这种人工智能工具有助于预测患者的结果.
科学领域:
- 放射学和医学成像学 医学成像学
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 肺癌需要准确的病理分级,以便有效的治疗计划.
- 目前用于病理分类的方法可能是侵入性的和耗时的.
- 需要使用非侵入性工具来协助外科医生进行手术前评估.
研究的目的:
- 开发和验证深度学习 (DL) 模型,用于肺癌的自动病理分级.
- 用CT成像评估DL模型的预后价值.
- 为外科医生提供一种非侵入性工具,用于肺癌患者的手术规划.
主要方法:
- 从国家肺部查试验中利用了572例病例进行培训和内部验证.
- 从癌症成像档案中对224例非小细胞肺癌病例进行了DL模型的外部验证.
- 采用了MobileNetV3架构,并使用精度,灵敏度,特异性和AUC来评估性能.
主要成果:
- 在内部验证中,DL模型实现了高性能 (精度:0.888,宏观AUC:0.968).
- 外部验证证明了强大的性能 (精度:0.807,宏观AUC:0.920).
- 模型预测与患者死亡率有显著的相关性,表明了预后价值.
结论:
- 成功开发并验证了用于术前肺癌病理分级的DL模型.
- 该模型的准确预测可以帮助制定肺癌治疗计划.
- 这种人工智能工具可以带来更有效的,定制的干预措施和改善患者的结果.
更多相关视频
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
08:05Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia
Published on: December 19, 2020