多模式深度学习放射学预测了食道状细胞癌的新辅助化疗和放射治疗后的病理反应
Yunsong Liu1, Yi Wang2, Xinyang Hu3
1Department of Radiation Oncology, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China.
Insights into imaging
|November 15, 2024
概括
一个新的深度学习放射学模型准确地预测了新辅助化学放射治疗 (nCRT) 后食道状细胞癌 (ESCC) 患者的病理完整反应 (pCR). 该工具有助于为ESCC提供个性化的治疗策略.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是指放射学
- 人工智能的人工智能
背景情况:
- 预测食道状细胞癌 (ESCC) 治疗反应对个性化治疗至关重要.
- 新辅助化学辐射疗法 (nCRT) 是局部晚期ESCC的标准治疗方法.
- 准确预测病理完整反应 (pCR) 可以指导治疗决策并改善结果.
研究的目的:
- 开发和验证一种深度学习放射学模型,用于预测ESCC患者的pCR.
- 整合CT,T2和扩散权重成像 (DWI) 的数据,以提高预测.
- 评估模型的性能与单一模式和临床模型相比.
主要方法:
- 来自三个接受nCRT的机构的151名ESCC患者的回顾性分析.
- 从预处理CT,T2和DWI中提取传统和深度学习放射学特征.
- 使用机器学习开发和验证集成的多模式放射学模型.
主要成果:
- 综合深度学习放射学模型在测试队列中实现了0.868的AUC.
- 这种多模式模型在pCR预测方面表现出高灵敏度 (88%) 和特异性 (78.4%).
- 综合模型的表现优于单一模式和临床预测模型.
结论:
- 一个经验证的多模式深度学习放射学模型可以准确地预测ESCC患者在nCRT后的pCR.
- 这种方法为ESCC的个性化治疗规划提供了有价值的工具.
- 该模型支持量身定制的治疗策略,可能包括器官保存.
