自主监督网络预测新辅助化学放射治疗对局部晚期直肠癌患者的反应

科学领域:

• 放射学和瘤学 放射学和瘤学
• 人工智能在医学中的应用
• 医学成像分析 医学成像分析

背景情况:

• 使用CT数据评估局部晚期直肠癌 (LARC) 的治疗反应是具有挑战性的,因为数据冗余和有限的标记数据集.
• 目前的成像指标难以准确预测LARC患者对新辅助化学放射治疗 (nCRT) 的反应.

研究的目的:

• 开发一种新的深度学习框架,用于在LARC患者中自动预测nCRT反应.
• 通过结合自主监督学习技术,减少对标记数据的依赖.

主要方法:

• 扩大密集注意网络 (EIA-Net) 的开发,利用级联的3D卷曲和协调注意力,以增强特征提取.
• 实施以实例为导向的协作自主监督学习 (IOC-SSL) 以利用未标记的CT数据.
• 基于1575卷数据集的验证 (自主监督培训1394卷,监督培训195卷).

主要成果:

• 对于预测治疗反应,EIA-Net实现了0.8562的曲线下面面积 (AUC).
• 预测的病理完整反应 (pCR) 与LARC患者的整体存活率 (OS) 的改善相关.
• 基于成像的pCR预测显示,在协助迈尔斯操作的决策时,AUC为0.8222,有利于门保存.

结论:

• 拟议的EIA-Net与IOC-SSL提供了一种可靠的方法,用于预测LARC患者的nCRT反应.
• 这种人工智能驱动的方法可以显著提高针对个性化治疗策略的临床决策.
• 这些发现表明,在LARC管理中,有可能改善患者的治疗结果和门保存.