在手术前,基于CT的深度学习放射学模型可以预测软骨肉瘤的组织学等级和预后吗?

科学领域:

• 医学成像医学成像
• 在瘤学瘤学.
• 医学中的人工智能

背景情况:

• 计算机断层扫描 (CT) 和活检在术前评估和预后方面存在局限性.
• 准确预测CS等级和结果对于有效的患者管理至关重要.

研究的目的:

• 开发和验证基于CT的深度学习放射学模型 (DLRM),用于预测软骨肉瘤 (CS) 的组织学等级和预后.

主要方法:

• 一项多中心研究包括211名CS患者 (127名培训,84名测试队列).
• 放射学签名 (RS),深度学习签名 (DLS) 和DLRM被开发用于预测成绩.
• 卡普兰-梅尔分析评估了DLRM预测度和无复发生存时间 (RFS) 之间的关联.
• 模型性能使用AUC和C指数进行评估.

主要成果:

• 与RS (AUC,0.715) 相比,DLRM在测试队列中预测CS等级方面表现优越 (AUC,0.879).
• 通过RFS (日志等级测试,P<0.05) 预测DLRM等级显著分层的患者.
• 在预测RFS方面,DLRM实现了比RS (0.692) 高的C指数 (0.805),而不是RS (0.692).

结论:

• 基于CT的DLRM准确地预测了软骨肉瘤的组织学等级和预后.
• 该模型显示了改善手术前评估和指导CS患者治疗决策的潜力.