基于人工智能的多式模型的开发和验证,用于使用CT和内镜图像进行胃癌的病理分期
Chao Zhang1, Siyuan Li2, Daolai Huang3
1Guangxi Medical University, Nanning, Guangxi 530021, China (C.Z., D.H., B.W., S.W., Y.S., X.W.); Guangxi Key Laboratory of Enhanced Recovery After Surgery for Gastrointestinal Cancer, Nanning, Guangxi 530021, China (C.Z., D.H., B.W., S.W., Y.S., X.W.).
Academic radiology
|January 3, 2025
概括
胃癌的准确的手术前病理阶段被一种新的综合多模式模型改进. 这种方法结合了CT和内镜图像的深度学习和放射性特征,以更好地规划患者的治疗.
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:
- 准确的胃癌手术前病态分期对于有效的治疗选择和改善患者的治疗结果至关重要.
- 传统的成像方法,如CT和内镜,在实现精确的分期方面存在局限性.
- 需要先进的计算方法来克服这些局限性.
研究的目的:
- 开发和评估一个综合多模式模型,以提高胃癌的手术前病态分期.
- 整合CT和内镜成像的深度学习和放射性特征,以提高诊断准确度.
- 为临床医生提供更可靠的工具,帮助他们制定个性化的治疗策略.
主要方法:
- 一项对691名胃癌患者 (2017年3月至2024年3月) 的回顾性研究.
- 开发了三种建模方法:DeepCT (CT上的深度学习),HandcraftedCT (CT中的放射性特征) 和DeepEndo (内镜中的深度特征).
- 将每个方法的顶级模型集成到一个堆叠组合中 (集成多模式模型).
主要成果:
- 综合多模式模型在测试组中实现了0.933的ROC-AUC,超过了单个模型的表现.
- 敏感性和特异性分别为0.869和0.840.
- 合并模型表现出强大的性能,降低了假阳性和假阴性率.
结论:
- 综合多模式模型显著提高了胃癌的手术前病态分期精度.
- 这种多模式的方法有效地结合了CT和内镜成像分析的优势.
- 该模型为个性化治疗规划提供了一个有前途的工具,并改善了胃癌护理中的患者结果.
