2.5D深度学习放射学和临床数据用于预测肺腺癌中的隐性淋巴结转移
Xiaoxin Huang1,2, Xiaoxiao Huang3, Kui Wang1
1Medical Imaging Center, Guangxi Medical University Cancer Hospital, Liangyu Avenue, Wuxiang New District, Nanning City, Guangxi Zhuang Autonomous Region, 530021, China.
BMC medical imaging
|July 2, 2025
概括
将深度学习放射学与临床数据相结合,可以准确预测肺腺癌中隐性淋巴结转移 (OLNM). 这种方法增强了肺癌患者的分期和个性化治疗策略.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 肺腺癌中隐性淋巴结转移 (OLNM) 很难用传统的成像检测.
- 精确的分期对于有效的肺腺癌治疗至关重要.
研究的目的:
- 研究将2.5D深度学习放射学与临床数据结合起来,用于预测肺腺癌中的OLNM的疗效.
- 开发一个强大的模型,以改善肺腺癌的分期.
主要方法:
- 从1,099名肺腺癌患者的CT图像进行了回顾性分析.
- 开发临床,放射学,多实例学习 (MIL) 和深度学习放射学 (DLRad) 的签名.
- 整合DLRad和临床特征,创建一个结合的预测模型.
主要成果:
- 组合模型在培训,验证和外部测试队列中实现了最高的曲线下面面积 (AUC) 值 (0.940,0.923,0.898).
- 此外,DLRad模型也表现出强的性能 (AUC:0.910,0.908,0.875).
- 综合方法在预测OLNM方面显著优于单个模型.
结论:
- 将2.5D深度学习放射学与临床数据集成为预测肺腺癌中的OLNM提供了强大的工具.
- 这种综合方法可以帮助临床医生量身定制个性化治疗策略.
- 这些发现支持在肺癌诊断和管理中使用先进的人工智能.
