人工智能在自动图像细分系统中用于探索肺部小细胞癌的复发模式

科学领域:

• 在瘤学瘤学.
• 辐射疗法 辐射疗法
• 人工智能在医学中的应用

背景情况:

• 小细胞肺癌 (SCLC) 患者的预后可以通过先进的成像分析来改善.
• 人工智能 (AI) 提供了一种新的方法来评估SCLC的临床目标体积 (CTV).
• 使用成像复发数据有助于预测患者的结果.

研究的目的:

• 为SCLC患者开发一种临床可行的复发预测模型.
• 通过使用人工智能驱动的图像细分来提高临床指导和预测准确性.
• 确定影响SCLC局部控制和复发的关键因素.

主要方法:

• 分析SCLC患者 (2010-2021) 的放射治疗数据,并进行全面的后续成像.
• 通过人工智能驱动的图像细分来划分初始CTV并评估110个临床参数.
• 递归特征消除和随机森林算法用于递归预测模型的开发.

主要成果:

• 瘤大小 (≥5厘米) 显著影响了局部控制率 (HR1.635,p=0.028).
• 在特定的胸部区域 (10R,10L,4R,7),复发最为普遍,最初的瘤位置至关重要.
• 开发的基于人工智能的复发预测模型实现了77%的准确性.

结论:

• 基于AI的自动图像细分对于划分CTV和分析复发至关重要.
• 最初的瘤总体积 (GTV) 和GTVnd是复发的关键区域.
• 人工智能模型通过指导精确的临床向来提高SCLC患者管理和治疗结果.