基于ResNet-Vision转换器的MRI-内镜融合模型,用于预测局部晚期直肠癌中新辅助化学放射治疗的治疗反应:一个多中心研究

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 术后的新辅助化疗和放射治疗是局部晚期直肠癌的标准.
• 患者对这种治疗的反应有很大的不同.
• 预测反应对于个性化治疗策略至关重要.

研究的目的:

• 开发和验证一种新的MRI-内镜融合模型,用于预测治疗反应.
• 为了利用ResNet-Vision Transformer架构来提高预测准确度.
• 为了使直肠癌患者的个性化治疗决策.

主要方法:

• 一项多中心研究包括366名患有局部晚期直肠癌的患者.
• 预处理MRI和结肠内镜图像被用来构建一个融合模型.
• 该模型基于ResNet骨干和变压器网络,内部和外部验证.

主要成果:

• 核磁共振-内镜融合模型显示出强大的预测性能,AUC在内部验证中为0.852,在外部测试中为0.769.
• 融合模型在外部验证中表现优于单模体MRI (AUC:0.692) 和内镜 (AUC:0.720) 模型.
• 外部测试组的精度为0.729的融合模型.

结论:

• 基于ResNet视觉变压器的MRI内镜融合模型有效预测治疗反应.
• 这种模型显示了指导直肠癌个性化治疗的巨大潜力.
• 整合多式成像数据可以提高新辅助疗法反应的预测准确性.