将淋巴结比率纳入口腔状细胞癌的个性化放射治疗
Linmei Zhang1, Enzhao Zhu2, Shaokang Cao3
1Shanghai Engineering Research Center of Tooth Restoration and Regeneration, Tongji Research Institute of Stomatology, Department of Prosthodontics, Stomatological Hospital and Dental School, Tongji University, Shanghai, China.
Head & neck
|September 20, 2024
概括
深度学习模型可以为口腔状细胞癌 (OCSCC) 患者个性化术后放射治疗 (PORT). 早期的OCSCC可以安全地省略PORT,而晚期的病例可以从基于淋巴结比率等因素的量身定制治疗中获益.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 医疗决策支持 医疗决策支持
背景情况:
- 治疗口腔状细胞癌 (OCSCC) 的术后放射疗法 (PORT) 由于其毒性和疗效而存在困境.
- 对于个性化的PORT选择缺乏明确的指导方针.
研究的目的:
- 在OCSCC中验证深度学习模型以提供个性化的PORT建议.
- 量化患者特征对PORT选择的影响.
主要方法:
- 开发和评估了具有混合效应 (DSME) 的深度生存回归.
- 分析了患者数据 (n=4990),将模型建议与实际治疗方法进行比较.
- 使用了逆概率治疗权重和回归分析.
主要成果:
- DSME的表现优于其他模型和国家综合癌症网络指导方针.
- 随着淋巴结比 (LNR),晚年,瘤大小,多个阳性淋巴结,舌头参与和IVA阶段的增加,PORT的疗效增加了.
- 早期 (0-II) OCSCC 患者可以安全地省略 PORT.
结论:
- 本研究介绍了LNR作为OCSCC中个性化的PORT建议的关键因素.
- DSME有效地识别了可以从PORT中受益的OCSCC患者,提供了可量化的生存优势.


