肺癌新辅助免疫化疗后主要病理反应的多通道深度学习预测:一个多中心诊断研究
Zuhan Geng1, Kuo Li1, Peiyuan Mei1
1Department of Thoracic Surgery, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan 430000, China.
International journal of surgery (London, England)
|July 3, 2025
概括
一种新的深度学习方法准确地预测了接受新辅助免疫化疗的非小细胞肺癌 (NSCLC) 患者的主要病理反应 (MPR). 这种基于变压器的融合模型增强了手术前评估,以改善手术规划和治疗结果.
科学领域:
- 放射学和瘤学 放射学和瘤学
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
背景情况:
- 对接受新辅助免疫化疗的非小细胞肺癌 (NSCLC) 患者来说,准确预先预测主要病理反应 (MPR) 是至关重要的.
- 当前的诊断方法可能无法完全捕捉与治疗反应相关的复杂生物变化.
研究的目的:
- 开发和验证基于CT的多通道预测器,使用深度学习功能和变压器模型进行预处理.
- 加强在接受新辅助免疫化疗的NSCLC患者中MPR的术前诊断.
主要方法:
- 一个多中心的回顾性研究包括332名NSCLC患者.
- 预处理CT图像被处理为放射学建模,感兴趣的区域被细分为2D图像模块.
- 在多道框架中采用了GoogLeNet架构,并使用变压器模型融合了深度学习功能.
主要成果:
- 在外部测试队列中,Transformer_GoogLeNet融合模型实现了0.924的曲线下的优越面积 (AUC).
- 这种深度学习方法的表现优于传统的放射学模型 (AUC 0.736) 和个人深度学习模块 (AUC 0.855).
结论:
- 开发的方法准确地预测了接受新辅助免疫化学疗法的NSCLC患者的MPR.
- 这种方法支持通过精确的手术前评估,改善手术规划和潜在的更好的治疗结果.
