评估融合模型来预测舌头状细胞癌中隐性淋巴结转移的情况
1Department of Oral and Maxillofacial Surgery, The First Affiliated Hospital of Zhengzhou University, Zhengzhou, China.
European radiology
|March 5, 2025
概括
结合深度学习,放射学和临床数据的新型晚期融合模型准确地预测了舌头状细胞癌患者的隐性淋巴结转移,改善了手术规划.
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:
- 精确预测隐性淋巴结转移 (LNM) 对于舌头状细胞癌 (TSCC) 治疗计划至关重要.
- 目前的预测模型在评估LNM风险方面存在局限性.
研究的目的:
- 评估和比较各种预测模型在TSCC患者中预测隐性LNM的有效性.
- 确定合并多种数据类型和模型是否能提高预测准确度.
主要方法:
- 这是一项对来自三个医疗中心的268名TSCC患者的回顾性研究.
- 使用对比增强磁共振成像 (CEMRI) 开发预测模型:二维深度学习 (2D DL),常规放射学 (C-放射学) 和内异质放射学 (ITH-放射学).
- 使用临床数据的后勤回归分析和融合策略 (早期和晚期融合).
主要成果:
- 晚期融合模型,整合了2D DL,C-放射学,ITH-放射学和临床数据,在测试集 (0.81-0.85) 中显示了最高的曲线下面积 (AUC).
- 与个人模型和早期融合相比,晚期融合模型实现了更高的精度 (76-89%) 和特异性 (87-100%).
- ITH-放射学显示出比C-放射学更好的区分能力.
结论:
- 基于决策的晚期聚变模型提供了一个非常准确的方法来预测TSCC中隐藏的LNM.
- 这种预测策略可以帮助临床医生评估患者的病情并优化手术计划.
- 高的内异质-放射性指数与TSCC中LNM风险增加有关.
