对于多焦性肺腺癌的长期生存和基于金丝雀的人工智能
Sahar A Saddoughi1, Chelsea Powell1, Gregory R Stroh2
1Division of Thoracic Surgery, Department of Surgery, Mayo Clinic, Rochester, MN.
Mayo Clinic proceedings. Digital health
|April 10, 2025
概括
一个人工智能 (AI) 模型,Canary,可以预测多焦肺腺癌 (MFLA) 的瘤侵入性. 这种AI工具可能有助于指导MFLA患者的手术决策.
科学领域:
- 在瘤学瘤学.
- 人工智能在医学中的应用
- 肺部医学 肺部医学
背景情况:
- 多焦点肺腺癌 (MFLA) 提出了独特的诊断和治疗挑战.
- 准确评估瘤侵入性对于指导MFLA治疗策略至关重要.
研究的目的:
- 评估基于计算机辅助结节评估和风险收益率 (CANARY) 的人工智能 (AI) 模型在预测MFLA患者瘤侵入性的有效性.
- 为了确定AI是否可以帮助区分MFLA内的惰性和侵入性结节.
主要方法:
- 一项前性注册试验 (NCT01946100) 招募了接受手术切除的MFLA患者.
- 使用基于CANARY的AI对已识别的结节进行了回顾性分析,以量化侵入性.
- 收集和分析了临床数据,包括生存率和病理发现.
主要成果:
- 在诊断时,大多数结节 (75.8%) 被AI-CANARY. 归类为非侵入性.
- 与未切除的结节相比,手术切除结节的AI-CANARY得分显著更高 (P=.001).
- 在MFLA队列中,五年和10年生存率分别为91%和73.6%.
结论:
- 经过手术治疗的MFLA患者的长期存活率 (N0,M0) 可能与I期非小细胞肺癌相当.
- 基于CANARY的AI显示了分层结节的潜力,以指导手术干预与MFLA的观察.
更多相关视频
05:11Author Spotlight: Establishing a Murine Non-Small Cell Lung Cancer Model for Developing Nanoformulations of Anticancer Drugs
Published on: May 10, 2024
851
11:31Using Micro-computed Tomography for the Assessment of Tumor Development and Follow-up of Response to Treatment in a Mouse Model of Lung Cancer
Published on: May 20, 2016
10.6K
