开发和验证一个用户友好的预测工具,用于术前T分期胆囊癌:使用对比增强的CT基融合模型进行多中心研究

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:

• 准确的T分期胆囊癌 (GBC) 对于有效的手术规划至关重要.
• 目前的成像技术在精确的GBC识别方面存在局限性.
• 这项研究通过开发先进的预测模型来解决这些局限性.

研究的目的:

• 开发和验证一个强大的模型,用于术前T分期胆囊癌 (GBC).
• 创建一个用户友好的预测工具,以提高GBC分期的准确性.
• 通过更精确的GBC分期来提高手术规划.

主要方法:

• 对189名GBC患者进行了回顾性分析.
• 从CT扫描中提取了放射学 (Rad) 和深度学习 (DL) 功能.
• 通过整合临床数据,Rad和DL特征,构建了一个加权GBCT分期 (wGBCT) 模型.

主要成果:

• 组合模型 (临床+Rad+DL) 在验证队列中实现了高性能.
• 在时间验证队列中,wGBCT模型显示出优异的预测准确性 (AUC 0.910).
• 该预测工具的准确性为0.867,具有出色的灵敏度 (1.0) 和F1得分 (0.867).

结论:

• wGBCT模型为GBC提供了准确和稳定的手术前T分期.
• 多式联络功能的整合增强了GBC分期的预测能力.
• 开发的预测工具是GBC个性化手术规划的宝贵资源.