在新辅助免疫疗法和化疗后,用于预测食道状细胞癌的病理完整反应的voxel级放射学和深度学习
Zhen Zhang1,2, Tianchen Luo3, Meng Yan2,4
1Zhejiang Cancer Hospital,Hangzhou Institute of Medicine (HIM), Chinese Academy of Sciences, Hangzhou, Zhejiang, China.
Journal for immunotherapy of cancer
|March 16, 2025
概括
一个新的深度学习模型Vision-Mamba准确地预测了新辅助免疫疗法和化疗 (nICT) 治疗食道状细胞癌 (ESCC) 患者的病理完整反应 (pCR). 这种人工智能工具有助于为ESCC提供个性化治疗策略.
科学领域:
- 放射学和人工智能在瘤学中的应用
- 医学成像和诊断 医学成像和诊断
背景情况:
- 准确预测病理完整反应 (pCR) 对食道状细胞癌 (ESCC) 在新辅助免疫疗法与化疗 (nICT) 结合后的个性化治疗至关重要.
- 目前的预测方法需要改进,以实现有效的患者管理.
研究的目的:
- 开发和验证一种新的深度学习模型,用于预测ESCC患者的pCR.
- 在手术前CT图像上使用voxel级放射学方法,以提高预测准确度.
主要方法:
- 这是一项多中心的回顾性研究,涉及741名ESCC患者接受nICT治疗.
- 开发Vision-Mamba深度学习模型,集成voxel级放射学和CT图像.
- 与其他深度学习模型 (3D-ResNet,Vision Transformer) 和传统的放射学方法进行比较.
- 使用精度,AUC,灵敏度,特异性和预后分层的性能评估;用于解释的SHAP分析.
主要成果:
- 视觉-曼巴模型实现了高精度 (0.89培训,0.83-0.91验证) 和AUC (0.91培训,0.83-0.92验证).
- 该模型在与其他深度学习和传统放射学方法相比,表现出了卓越的性能.
- 验证了预后分层的能力,有效地识别高风险和低风险患者群体.
结论:
- 一个强大的声音级放射学深度学习模型 (Vision-Mamba) 准确地预测ESCC患者的pCR.
- 该模型显示出作为基于手术前CT扫描的个性化治疗管理工具的前景.
- 这种人工智能驱动的方法可以显著帮助临床医生为ESCC量身定制nICT策略.
