一个基于骨盆MR变压器的深度学习模型,用于预测直肠癌患者肺转移风险
Yin Li1,2,3, Shuang Li2,4, Ruolin Xiao5,6
1Department of Information, The Sixth Affiliated Hospital, Sun Yat-sen University, Guangzhou, China.
Frontiers in oncology
|February 21, 2025
概括
一个新的基于变压器的深度学习模型使用盆腔MRI扫描准确预测直肠癌肺转移 (RCLM). 这种人工智能方法可以减少患者的辐射暴露和CT扫描相关的成本.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 准确的直肠癌肺转移 (RCLM) 的术前评估对于个性化医学至关重要.
- 目前用于检测肺转移的方法通常涉及电离辐射 (CT扫描),带来潜在的风险和成本.
- 使用磁共振 (MR) 成像用于检测直肠癌中的肺转移的研究是有限的.
研究的目的:
- 开发和验证基于变压器的深度学习 (DL) 模型,用于预测RCLM.
- 将盆腔MRI图像与临床特征集成,以提高RCLM预测.
- 探索MRI成像的潜力,以减少对胸部CT进行转移查的依赖.
主要方法:
- 分析了819名经组织学确认的直肠癌患者的队列.
- 使用了手术前的盆腔MRI图像和癌胚抗原 (CEA) 测试结果.
- 六个DL模型,包括一种新的基于变压器的方法,在T2WI和DWI MR序列上进行了训练和测试,以预测RCLM.
主要成果:
- 基于变压器的DL模型在独立测试组中实现了83.74%的AUC.
- 在晚期观察到高性能:T4的AUC为96.67%,N2直肠癌的AUC为96.83%.
- 开发的DL模型在预测RCLM方面超过了其他最先进的DL方法.
结论:
- 基于变压器的DL模型显示了使用盆腔MRI图像进行准确RCLM预测的巨大潜力.
- 这种人工智能驱动的方法可以帮助针对直肠癌患者制定个性化治疗策略和后续计划.
- 使用MRI成像用于RCLM检测可能会提供比传统方法更安全,更具成本效益的替代方案.
