在结直肠癌中预测治疗前扩大的淋巴结状况的非侵入性多相CT人工智能:一项前性验证研究

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 人工智能的人工智能

背景情况:

• 良性淋巴结扩大可以导致结直肠癌 (CRC) 的过期发展.
• 这种错误的分期可能会导致不必要的延长淋巴切除术.
• 对瘤排水淋巴结 (TDLNs) 的准确治疗前评估对于CRC管理至关重要.

研究的目的:

• 开发和验证使用多相CT (MPCT) 放射学的机器学习 (ML) 分类器.
• 准确评估慢性硬化症患者中扩大的TDLN (≥10毫米长轴直径) 的治疗前状态.
• 为了潜在地避免错误的分组和过度治疗.

主要方法:

• 包括430名病理确诊的CRC患者 (开发和测试队列).
• 从MPCT上的多区域病变 (瘤和扩大的TDLN) 中提取了放射性特征.
• 选择最佳特征来训练ML分类器,验证最高性能模型.

主要成果:

• 扩大的TDLNs融合MPCT分类器 (LnNAV) 显示出高预测效率 (AUROC 0.820).
• 整合治疗前的临床变量 (临床_LnNAV) 提高了疗效 (AUROC 0.839,特异性为89.1%).
• 临床_LnNAV模型实现了76.6%的准确度和67.7%的灵敏度.

结论:

• 临床_LnNAV分类器有效地评估了CRC中扩大的TDLN的治疗前状态.
• 这个工具可以支持临床医生制定个性化治疗计划.
• 它可能有助于避免不适当的手术前辅助疗法和不必要的淋巴切除术.