基于CT的AI框架利用多尺度特征预测病理级别和清细胞细胞癌中的Ki67指数:一项多中心研究
Huancheng Yang1,2, Yueyue Zhang3, Fan Li4
1Department of Radiology, The Sixth Affiliated Hospital of Sun Yat-sen University, Guangzhou, China.
Insights into imaging
|May 14, 2025
概括
这项研究引入了一个AI框架,使用CT扫描来非侵入性预测清细胞细胞癌 (ccRCC) 级别和Ki67指数. 人工智能准确地确定了病理特征,有助于进行手术前评估和治疗指导.
科学领域:
- 放射学和人工智能的人工智能
- 在瘤学瘤学.
- 医学成像分析 医学成像分析
背景情况:
- 在清细胞细胞癌 (ccRCC) 中,准确的手术前病理分类和Ki67指数的确定对于指导治疗决策至关重要.
- 目前的方法往往需要侵入性程序,突出了对非侵入性评估工具的需求.
研究的目的:
- 开发和验证基于CT的人工智能 (AI) 框架,以非侵入性预测ccRCC中的病理等级和Ki67指数.
- 为了利用CT图像中提取的多尺度特征,提高预测准确度.
主要方法:
- 一项多中心的回顾性研究,涉及1073名ccRCC患者.
- 开发一个人工智能框架,结合3D-UNet进行细分,无监督学习进行多规模的特征提取,以及XGBoost进行多任务分类.
- 为了模型的可解释性,利用了夏普利添加式解释 (SHAP).
主要成果:
- 3D-UNet模型在脏和瘤细分方面取得了高性能 (Dice > 0.92).
- 人工智能框架表现出强大的病理分级 (AUROC 0.84内部,0.82外部) 和Ki67指数 (AUROC 0.87内部,0.82外部) 的预测能力.
- SHAP分析证实了放射学,3D自动编码器和缩小维度功能的重要贡献.
结论:
- 开发的AI框架使用多尺度CT特征准确预测ccRCC中的病理等级和Ki67指数.
- 这种基于CT的AI方法为手术前评估ccRCC提供了一个有希望的非侵入性方法,可能指导临床决策.
- 完全自动化的AI系统集成了细分,分类和解释,以进行高效的分析.
