基于超声波图像的深度学习可以预测卵巢上皮癌患者的金耐药性

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 表皮卵巢癌 (EOC) 带来了重大治疗挑战,特别是抗性.
• 预测的抗性对于有效的EOC管理至关重要.

研究的目的:

• 开发和验证一种深度学习 (DL) 模型,用于预测EOC患者的抗性.
• 评估DL模型在治疗决策中的临床实用性.

主要方法:

• 一项涉及392名经过盆腔超声波的EOC患者的回顾性研究.
• 开发一种DL模型,利用超声波成像来预测的电阻.
• 模型验证使用接收器操作特征 (ROC) 曲线,决策曲线分析 (DCA) 和校准曲线.

主要成果:

• 在内部和外部测试组中,DL模型实现了0.86的曲线下面积 (AUC),用于预测的电阻.
• 临床决策曲线分析表明临床效用很高,校准曲线显示出良好的效率.
• 卡普兰-梅尔分析证实了该模型能够区分高风险和低风险患者的复发能力.

结论:

• 基于超声波成像的深度学习模型有效地预测了EOC中的白金电阻.
• 该模型显示有潜力帮助临床医生优化EOC患者的治疗策略.