用基于MRI的深度学习模型诊断口腔状细胞癌中的淋巴结转移
Le Yang1, Sien Zhang1, Jinsong Li2
1Department of Oral and Maxillofacial Surgery, Guanghua School of Stomatology, Hospital of Stomatology, Sun Yat-sen University, Guangzhou, Guangdong, China; Guangdong Province Key Laboratory of Stomatology, Guangzhou, Guangdong, China.
Oral oncology
|January 3, 2025
概括
使用磁共振成像 (MRI) 的深度学习 (DL) 模型有效地识别了口腔状细胞癌 (OSCC) 中的淋巴结转移 (LNM). 这种人工智能工具显著降低隐性转移率,有助于OSCC患者的治疗决策.
科学领域:
- 医疗成像中的人工智能
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
背景情况:
- 宫淋巴结转移 (LNM) 是口腔状细胞癌 (OSCC) 的关键预后因素.
- 在OSCC中隐性转移带来了诊断挑战,影响了患者的治疗结果.
- 准确识别LNM对于OSCC中有效的治疗计划至关重要.
研究的目的:
- 开发和验证一个深度学习 (DL) 模型,用于识别使用MRI的OSCC患者的LNM.
- 评估DL模型的性能与人类放射科医生相比.
- 评估DL模型在降低隐性转移率方面的潜力.
主要方法:
- 一项使用三阶段深度学习模型的回顾性诊断研究.
- 在10家医院的723名OSCC患者的45664张手术前MRI图像上进行了培训和验证.
- 模型的性能与一般和专业放射科医生进行了评估.
主要成果:
- DL模型在LNM识别中实现了高准确性,在培训队列中AUC为0.97,在外部验证队列中为0.81.
- 该模型显示,隐性转移率显著降低,高达89.50%.
- DL模型的性能与一般和专业放射科医生的性能相当或超过.
结论:
- 开发的三阶段DL模型,利用三维序列的MRI,对在OSCC中检测LNM有效.
- DL模型显示,在减少OSCC患者的隐性转移率方面,有显著的益处.
- 这种人工智能驱动的方法有助于指导部剖析决策,特别是对于cN0患者.
