新型深度学习放射学基于诺米图的多参数MRI用于预测直肠癌中的淋巴结转移:双中心研究

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 医疗成像医学成像

背景情况:

• 准确的直肠癌手术前阶段确定对于治疗计划至关重要.
• 淋巴结 (LN) 转移是直肠癌的一个关键预后因素.
• 目前用于预测LN转移的方法有局限性.

研究的目的:

• 开发和验证一个纳米图集临床参数和深度学习放射学 (DLR) 从MRI.
• 为了提高在直肠癌中进行手术前淋巴结转移的预测准确度.
• 建立一个强大的工具,以改善患者管理.

主要方法:

• 356名直肠癌患者的回顾性分析.
• 从T2加权和扩散加权MRI中提取DLR特征.
• 使用五种机器学习算法开发DLR模型.
• 创建一个临床DLR (CDLR) 编号图集临床数据和最佳DLR模型.
• 对CDLR名录的外部验证.

主要成果:

• 基于后勤回归的DLR签名实现了0.919 (培训) 和0.778 (验证) 的AUC.
• 集成的CDLR名录显示出优异的性能,AUC为0.921 (训练) 和0.818 (验证).
• 该CDLR名图表的表现优于临床模型和独立的DLR模型.

结论:

• 使用多参数MRI数据的CDLR nomogram显示,在直肠癌中LN转移的预测效果显著.
• 该模型为改善手术前评估和指导治疗决策提供了一个有前途的工具.
• 这些发现强调了将先进的放射学与临床数据整合起来,以提高癌症预后的潜力.