对患有局部晚期头支状细胞癌的患者进行个性化治疗建议,使用深度学习
Linmei Zhang1, Enzhao Zhu2, Jiaying Shi1
1Shanghai Engineering Research Center of Tooth Restoration and Regeneration, Tongji Research Institute of Stomatology, Department of Prosthodontics, Shanghai Tongji Stomatological Hospital, Dental School, Tongji University, Shanghai, China.
Frontiers in medicine
|January 21, 2025
概括
深度学习模型,特别是BITES,可以个性化治疗局部发达的头部和部状细胞癌 (LA-HNSCC),改善器官保存或手术建议的生存结果.
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:
- 手术是局部发达的头支状细胞癌 (LA-HNSCC) 的标准,但化疗放射治疗 (CRT) 的有效性仍在争论中.
- 确定LA-HNSCC的最佳治疗途径对于患者的治疗结果至关重要.
研究的目的:
- 评估深度学习 (DL) 模型识别LA-HNSCC患者适合器官保存的能力.
- 为LA-HNSCC患者提供量身定制的辅助治疗建议,这些患者可能从手术中获益更多.
主要方法:
- 为治疗建议开发了五种DL模型.
- 通过比较患者的整体存活率来评估模型的性能,这些患者的治疗方法与建议相匹配,而那些患者的治疗方法与建议不匹配.
- 使用逆概率治疗权重 (IPTW) 和因果推断来最大限度地减少偏差并量化治疗效应.
主要成果:
- 均衡的个人治疗效应生存数据 (BITES) 模型在推CRT (IPTW-HR:0.84) 和辅助疗法 (IPTW-HR:0.77) 中表现优异.
- 比特斯的表现优于其他模型和国家综合癌症网络的指导方针 (IPTW-HR: 0.87).
- 总共有7,376名LA-HNSCC患者被纳入分析.
结论:
- BITES有效地确定了个别LA-HNSCC患者的最佳治疗策略.
- DL模型可以建立由强有力的证据支持的可靠的治疗建议系统.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:29Intramucosal Inoculation of Squamous Cell Carcinoma Cells in Mice for Tumor Immune Profiling and Treatment Response Assessment
Published on: April 22, 2019
11.4K
