大型模型辅助多参数磁共振成像管道用于预测在没有人类干预的情况下预测直肠癌中新辅助化学放射治疗的反应

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:

• 准确评估新辅助化学放射治疗 (nCRT) 对直肠癌的反应对于治疗计划至关重要.
• 局部晚期直肠癌 (LARC) 需要精确评估治疗疗效.

研究的目的:

• 开发和验证大型模型辅助的自动预测工具,用于评估LARC中的nCRT响应.
• 专注于自动细分和放射性特征提取,以提高预测准确度.

主要方法:

• 对378名LARC患者的回顾性分析 (756次MRI扫描:基线和后nCRT).
• 使用T2加权成像 (T2WI) 和对数扩散加权成像 (DWI).
• 采用混合模型,将MedSAM网络用于细分和XGBoost用于病理完整反应 (pCR) 预测.

主要成果:

• 实现了从0.46到0.74的子系数,用于在不同的MRI序列中实现自动细分.
• 证明了自动和手动放射性特征提取之间的显著相关性 (p < 0.01).
• 预测管道为PCR预测提供了0.83 (±0.04) 的AUC.

结论:

• 开发的大型模型辅助管道在预测直肠癌的pCR方面表现强.
• 这种自动化的多参数核磁共振 (MRI) 方法可以在没有人类干预的情况下进行非侵入性的放射性评估.