使用基于多相CT的深度学习模型预测清细胞细胞癌的术后预后
Changyin Yao1,2, Bao Feng3, Shurong Li4
1Department of Radiology, Jiangmen Central Hospital, Jiangmen, China.
Abdominal radiology (New York)
|September 23, 2024
概括
使用CT扫描的新深度学习 (DL) 模型显示,它有望预测清细胞细胞癌 (ccRCC) 患者的预后. 将这种AI模型与莱博维奇得分相结合,进一步提高了其预测准确度,以获得更好的患者结果.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 现有的临床病理风险分层系统 (CRSS),如莱博维奇评分,有助于预测清细胞细胞癌 (ccRCC) 的预后.
- 然而,在临床实践中缺乏可靠的非侵入性术前指标来预测术后预后.
研究的目的:
- 评估深度学习 (DL) 模型的有效性,利用CT图像,预测ccRCC患者的术后预后.
主要方法:
- 一组382名ccRCC患者被追溯分析,分为训练 (n=229) 和测试 (n=153) 组.
- ResNet50被用于从前对比,皮膜和脏相位CT图像中提取特征.
- 极端学习机器 (ELM) 构建了分类模型,并将其与莱博维奇分数进行比较和结合.
主要成果:
- 与单相模型相比,基于CT的三相DL模型显示出更高的性能 (AUC=0.839).
- 结合了三相DL模型和莱博维奇得分的组合名图,获得了最高的AUC (0.888).
- 这种综合方法显著改善了预测性能 (IDI > 0.13,P < 0.001).
结论:
- 一个基于CT的DL模型显示了在ccRCC中作为预外科预后预测的有价值工具的潜力.
- 将DL模型与莱博维奇分数结合起来,可以大大提高预测准确度,帮助临床决策.
