通过多式模式深度学习对胰腺癌进行端到端的预后:一项回顾性多中心研究
Megan Schuurmans1,2, Anindo Saha3, Natália Alves3,4
1Diagnostic Image Analysis Group, Radboud University Medical Center, Nijmegen, The Netherlands. megan.schuurmans@radboudumc.nl.
European radiology
|May 23, 2025
概括
人工智能 (AI) 通过整合临床数据和CT图像来提高胰腺癌存活率预测. 这种多式人工智能模型显示了比传统分期更好的临床决策的提高准确性.
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:
- 胰腺管腺癌 (PDAC) 治疗疗效在很大程度上取决于准确的分期.
- 目前的分期系统与患者生存结果的相关性不佳.
- 需要新的预后工具来改善PDAC患者的临床决策.
研究的目的:
- 研究人工智能 (AI) 在提高胰腺癌预后准确性的潜力.
- 开发和验证多式联络人工智能模型,整合多种数据源进行生存预测.
- 将基于人工智能的模型与传统分期系统的性能进行比较.
主要方法:
- 在PDAC队列中开发使用临床变量和对比增强CT图像的预后模型.
- 使用五倍交叉验证进行模型的培训和验证.
- 通过依赖时间的接收器操作特征曲线 (AUC) 下的区域来评估模型性能,以预测短期生存.
主要成果:
- 多式人工智能模型在预测短期生存的内部验证集中实现了0.637的最高AUC.
- 外部验证表明AUC为0.571和0.675.
- 多模式人工智能模型在预测准确度方面表现优于单模式模型和TNM分期.
结论:
- 多式人工智能模型可以有效地预测PDAC患者的长期与短期生存.
- 人工智能显示出作为一种有价值的预后工具,以帮助临床决策的潜力.
- 通过人工智能提高预后准确性可能会导致改善PDAC的个性化管理策略.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.6K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
495
