开发和验证一个多参数MRI深度学习模型,用于在直肠癌中进行手术前的淋巴血管侵袭评估

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:

• 淋巴血管侵袭 (LVI) 是直肠癌 (RC) 的关键预后因素.
• 深度学习 (DL) 在通过MRI评估治疗反应方面表现有前途,但其在评估RC LVI中的作用需要进一步调查.
• 这项研究旨在开发和验证使用MRI在RC中进行手术前LVI评估的DL模型.

研究的目的:

• 开发和验证使用MRI的DL模型,用于在直肠癌 (RC) 患者的手术前评估LVI.
• 评估基于T2WI,DWI和结合多参数MRI与临床因素的DL模型的性能.
• 在外部中心测试开发的DL模型的概括性.

主要方法:

• 从两个中心的489名经过手术确认的RC患者的MRI数据的回顾性收集.
• 使用3D ResNet-18架构开发DL模型,包括T2WI-only,DWI-only,以及整合T2WI,DWI和临床因素的组合模型.
• 使用曲线下面面积 (AUC) 和DeLong测试进行性能评估,通过校准曲线和决策曲线分析 (DCA) 评估临床效用.

主要成果:

• 基于T2WI和DWI的DL模型都在内部和外部验证集中展示了强大的LVI评估能力.
• 组合模型实现了卓越的性能,AUC值为0.899 (内部) 和0.848 (外部).
• 与基于T2WI的模型相比,基于DWI和组合模型在LVI评估中显示出明显更大的整体净益,所有模型都显示出强大的校准.

结论:

• 多参数MRI DL模型在评估直肠癌患者的LVI状态方面表现出色.
• 这种DL模型可以作为一个有价值的补充工具,用于RC中LVI的非侵入性评估.
• 这些发现支持人工智能驱动的成像分析在改善直肠癌预后准确性的潜力.