在胰腺癌中预测无复发生存的多层次深度学习放射学:一项多中心研究

科学领域:

• 放射学和深度学习在瘤学中
• 医学成像和人工智能 医学成像和人工智能

背景情况:

• 胰腺管腺癌 (PDAC) 的复发率很高,需要改进的预后工具.
• 目前的分期系统在准确预测患者结果方面存在局限性.

研究的目的:

• 开发和验证一个多尺度的深度学习放射学名录,用于预测PDAC患者的无复发生存期 (RFS).
• 为了与已建立的第八届AJCC分阶段系统对比名ogram的性能.

主要方法:

• 这是一项多中心研究,涉及469名PDAC患者.
• 从内和周区域提取手工制作的放射学和深度学习特征.
• 使用考克斯回归和LASSO开发了三种图像签名和一个多尺度的诺米克图.

主要成果:

• 多尺度名图实现了高预测性能,在培训和外部验证集中C指数从0.70到0.82不等.
• 诺米图显著优于AJCC分期系统 (C指数为0.54-0.57).
• 用于复发预测的曲线下的面积 (AUC) 值始终超过了AJCC系统.

结论:

• 开发的多尺度名图是分层划分PDAC中复发风险的有效工具.
• 这种方法可以增强手术前临床决策.
• 改进的风险分层可能会对患者的治疗结果产生积极影响.