在临床阶段T1N0肺腺癌中,利用计算机断层扫描成像模型,提高通过空气空间传播的预测准确性
Shihua Dou1,2,3, Zhuofeng Li4, Zhenbin Qiu5,6,7
1Second Clinical Medical College, Jinan University, Shenzhen, China.
JTCVS open
|November 13, 2024
概括
计算机断层扫描 (CT) 模型在早期肺癌中准确地预测了通过空气空间 (STAS) 的传播. 这些放射学和深度学习模型可以指导T1N0肺腺癌患者的治疗决策.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 通过空气空间传播 (STAS) 是肺腺癌复发的关键因素.
- 准确预测STAS对于早期肺癌的有效手术规划至关重要.
研究的目的:
- 开发和验证基于计算机断层扫描 (CT) 的放射性和深度神经网络 (DNN) 模型.
- 为了提高STAS在临床阶段T1N0肺腺癌的预测准确度.
主要方法:
- 对1258名T1N0期肺腺癌患者的回顾性分析.
- 使用PyRadiomics和最小绝对收缩和选择操作员回归的放射性模型的开发.
- 构建一个两阶段的深度学习模型 (MultiCL),利用监督对比学习和微调.
主要成果:
- 最好的放射性模型在测试队列中达到0.8944的曲线下面积 (AUC),在外部验证队列中达到0.7796.
- MultiCL深度学习模型在测试队列中实现了0.8434的AUC,在外部验证队列中达到0.7686.
- 这两种模型类型都显示出对STAS状态的显著预测能力.
结论:
- 基于CT的放射性和DNN模型可以准确地识别T1N0肺腺癌中的STAS状态.
- 这些成像模型有可能改善外科手术决策.
- 改善STAS的预测可以导致肺癌治疗中更好的患者结果.
