预测使用深度学习模型对直肠癌的新辅助化疗的治疗反应
Shunsuke Kubota1, Taiichi Wakiya1, Hajime Morohashi1
1Department of Gastroenterological Surgery, Hirosaki University Graduate School of Medicine, Hirosaki, Japan.
Journal of the anus, rectum and colon
|April 30, 2025
概括
这项研究开发了一种非侵入性深度学习模型,使用CT扫描来预测直肠癌对新辅助化疗 (NAC) 的反应. 该模型显示了高精度,有助于个性化治疗策略,以获得更好的患者结果.
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:
- 优化新辅助化疗 (NAC) 需要准确预测直肠癌 (RC) 治疗反应.
- 目前的预测方法可能缺乏早期评估的非侵入性能力.
研究的目的:
- 开发和评估一种非侵入性预测模型,用于在直肠癌患者中对NAC的治疗反应.
- 为了利用预化疗计算机断层扫描 (CT) 图像来预测病理反应.
主要方法:
- 收集了57名接受S-1和oxaliplatin (SOX) NAC进行RC的患者的数据集,病理学证实了反应.
- 使用残余卷积神经网络开发了一个基于CT补丁的预测模型.
- 对训练,验证和测试数据集的模型性能进行了评估.
主要成果:
- 该模型实现了高预测性能,在验证组中AUC为0.994,在测试组中为0.846.
- 在验证数据集中,灵敏度,特异性和准确性分别为97.3%,95.7%和96.8%.
- 二元逻辑回归分析没有发现临床因素和非反应之间的显著关联.
结论:
- 使用化疗前CT图像的非侵入性深度学习模型显示了对SOX NAC.病理治疗反应的高预测性能.
- 这种人工智能驱动的方法有可能优化直肠癌的新辅助化疗策略.
