在局部晚期直肠癌患者中预测新辅助化学放射治疗 (nCRT) 后的病理完整反应,使用融合模型整合基于MRI的放射学和深度学习数据

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:

• 局部晚期直肠癌 (LARC) 需要有效预测病理完整反应 (pCR) 对新辅助化学放射治疗 (nCRT).
• 整合不同的数据源,如临床因素,放射学和深度学习 (DL),可能会提高PCR预测的准确性.

研究的目的:

• 在nCRT后开发和比较用于预测LARC患者的pCR的合并模型.
• 评估结合临床因素,基于MRI的放射学 (Radscore) 和DL模型的模型的性能.

主要方法:

• 197名LARC患者被分配到训练/测试组,其中52人被分配到验证组.
• 使用nCRT前后MRI数据构建了Radscore和DL模型,用于PCR预测.
• 结合了临床因素,Radscore和DL的合并模型,并使用ROC和DCA进行了评估.

主要成果:

• 结合了整合临床因素,Radscore和DL的合并模型,用于PCR预测.
• 在nCRT前的合并模型实现AUC为0.834 (测试) 和0.742 (验证).
• 在nCRT前的模型表明,与通过DCA的后nCRT方法相比,临床益处更大.

结论:

• 在nCRT前的合并模型,包括临床因素,Radscore和DL,是LARC中pCR预测的强大非侵入性工具.
• 这种方法提供了一个有希望的策略来个性化LARC患者的nCRT治疗.