开发一种人工智能模型,用于预测非小细胞肺癌的缺氧状态和预后,使用多模式数据
Lina Zhou1, Chenkai Mao2, Tingting Fu3
1Health Management Center, The Second Affiliated Hospital of Soochow University, Suzhou, China.
Translational lung cancer research
|January 20, 2025
概括
这项研究开发了一个AI模型,集成CT放射学,EHR数据和临床信息,以预测非小细胞肺癌 (NSCLC) 的预后. 多模式人工智能模型显示出卓越的预测性能,突出了其改善患者治疗结果的潜力.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 瘤缺氧显著影响非小细胞肺癌 (NSCLC) 患者的治疗结果.
- 鉴定NSCLC中缺氧的基因组标记是具有挑战性的.
- 准确的预后预测对于有效的NSCLC治疗计划至关重要.
研究的目的:
- 为了确定计算机断层扫描 (CT) 放射性特征与瘤缺氧相关的NSCLC.
- 通过整合多模式数据,开发一个人工智能 (AI) 模型来预测NSCLC的预后.
- 与单模式方法相比,评估多模式人工智能模型的预测性能.
主要方法:
- 收集了来自多个机构和公共数据集的452名NSCLC患者的数据.
- 通过基因组丰富分析对缺氧状态进行分类,并通过LASSO算法识别了缺氧CT放射性特征.
- 开发了一种用于电子健康记录 (EHR) 分析的新型人工智能模型 (ssuBERT),并将其功能与放射性和临床数据集成,用于生存预测.
主要成果:
- 在NSCLC患者中,较高的缺氧水平与较差的生存结果相关.
- 二十八个CT放射性特征显示出显著的低氧检测区分能力 (AUC=0.8295).
- 集成的多模式人工智能模型实现了最高的预测性能,平均AUC为0.8449和F1得分为0.7557.
结论:
- 开发的AI模型显示了通过多模式数据集成预测NSCLC预后的前景.
- 这些发现表明,结合CT放射学,EHR数据和临床信息可以提高预后准确性.
- 需要对多模式AI模型进行进一步验证,以确认其临床实用性.
