在黑色素瘤患者的预后总生存分层的全体积构成分析

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 医疗成像医学成像

背景情况:

• 准确预测整体存活率 (OS) 对黑色素瘤患者治疗计划至关重要.
• 从基线计算机断层扫描 (CT) 扫描的身体组成分析提供了一个潜在的预后工具.
• 深度学习 (DL) 方法可以自动化和增强身体成分分析.

研究的目的:

• 调查基于DL的身体组成特征对黑色素瘤患者的OS的预后价值.
• 从CT扫描中识别体积组成特征,从而预测患者的生存率.
• 评估将基于DL的身体成分分析纳入常规瘤分期的可行性.

主要方法:

• 一个DL网络对495名黑色素瘤患者的腹部和胸部CT扫描进行了细分.
• 计算了 Sarcopenia 指数 (SI),骨髓炎脂肪指数 (MFI) 和内脏脂肪指数 (VFI).
• 评估了SI,MFI和VFI对OS的预后意义,并对428名患者进行了外部验证.

主要成果:

• 下SI与腹部和胸部区域的延长OS相关 (P ≤ 0.0001).
• 在腹部和胸部CT中,较高的MFI和VFI与更糟糕的OS有关 (P ≤ 0.0001).
• 外部验证证实了这些预后关联.

结论:

• 来自CT扫描的SI,MFI和VFI是黑色素瘤中OS的显著预后因素.
• 基于DL的身体组成分析可以无地整合到标准的瘤治疗中.
• 这种方法利用现有的CT扫描,避免额外的程序或成本.