可靠的放射性骨肌肉区域评估 - 癌症白内障诊断的一个生物标志物
Sabeen Ahmed1,2, Nathan Parker3, Margaret Park4,5
1Department of Machine Learning, H. Lee Moffitt Cancer Center and Research Institute, Tampa, FL.
概括
我们开发了SMAART-AI,这是一种使用人工智能的自动化工具,可以从CT扫描中准确地测量骨肌肉区域. 这种工具有助于早期检测和治疗癌症缓解症,改善患者的治疗结果.
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:
- 癌症缓解症是一种代谢障碍,导致严重的肌肉缩,对预后和生活质量产生负面影响.
- 通过CT扫描精确监测骨肌肉区域 (SMA) 对于控制缓冲症至关重要,但目前的方法缺乏自动化和一致的准确性.
- 由于自动化和可靠性的局限性,现有的工具在临床工作流集成方面面临挑战.
研究的目的:
- 开发一种基于人工智能的自动化,准确和可靠的工具 (SMAART-AI),用于从CT扫描中评估骨肌肉区域 (SMA).
- 将SMA测量与临床数据相结合,用于早期预测癌症缓存症.
- 通过基于不确定性的机制,提高人工智能驱动评估的可靠性.
主要方法:
- 开发了SMAART-AI,一种使用CT图像深度学习 (nnU-Net 2D) 的端到端自动化管道.
- 训练有素的模型具有5倍的交叉验证,以实现通用性和稳定性.
- 整合了一个基于不确定性的机制来标记不可靠的SMA预测,以便专家审查.
- 结合了SMA,骨肌指数,BMI和临床数据来训练一个MLP模型用于缓解症预测.
主要成果:
- 在胃食道癌症数据集上,SMAART-AI获得了97.80%±0.93%的高子得分.
- 与手动注释相比,跨数据集的SMA估计中位数绝对误差为2.48%.
- 不确定性指标 (变异,,变化系数) 与SMA预测误差 (0.83,0.76,0.73) 有很强的相关性.
- 该MLP模型预测了79%的准确性.
结论:
- SMAART-AI提供了一种自动化,准确和可靠的方法,用于从CT扫描中评估SMA.
- 人工智能工具有效地帮助早期诊断和干预癌症缓解症.
- SMAART-AI弥合了研究和临床实践之间的差距,为癌症缓解症管理提供了一种变革性的方法.
