深度学习用于估计非小细胞肺癌同时进行化疗和放射治疗的反应

科学领域:

• 在瘤学瘤学.
• 辐射疗法 辐射疗法
• 人工智能的人工智能

背景情况:

• 同时化疗放射治疗 (CCRT) 是对非小细胞肺癌 (NSCLC) 的标准治疗方法.
• 预测患者对CCRT的反应对于治疗优化至关重要.
• 在NSCLC中对CCRT反应预测的深度学习 (DL) 应用尚未得到充分探索.

研究的目的:

• 开发和验证DL模型,用于预测NSCLC患者的CCRT反应.
• 使用DL研究与CCRT反应相关的生物信号通路.

主要方法:

• 在6家医院的229名NSCLC患者的对比度增强CT图像中开发了3D ResNet50 DL算法.
• 模型性能被验证用于预测反应和预后.
• 相关分析包括CT图像可视化,RNA测序和单细胞测序.

主要成果:

• DL模型表现出强大的预测性能 (AUC 0.86培训,0.84验证).
• DL模型得分是无进展和整体存活的独立预测指标.
• DL模型的预测与细胞粘附分子,P53信号和NK细胞介导的细胞毒性相关.

结论:

• 开发的DL模型显示了预测NSCLC中CCRT反应的巨大潜力.
• 研究结果提供了对治疗反应背后的生物学机制的见解.
• 这种方法可以增强NSCLC的个性化治疗策略.