医学成像中的人工智能增强了精确的新辅助免疫化学疗法在食道状细胞癌中的精确性

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:

• 新辅助免疫化学疗法 (nICT) 改善了局部晚期食道状细胞癌 (ESCC) 的结果.
• 患者对nICT反应的显著变化需要更好的预测生物标志物.
• 目前用于ESCC中nICT响应的生物标志物在性能和临床使用方面存在局限性.

研究的目的:

• 探索人工智能 (AI) 与放射学和深度学习相结合的潜力,以预测在ESCC中的nICT响应.
• 利用人工智能从CT扫描中提取复杂的成像特征,以了解瘤异质性.
• 为ESCC患者增强临床决策和个性化nICT.

主要方法:

• 在ESCC患者的临床CT图像上利用AI,放射学和深度学习.
• 提取的voxel级特征地图,纹理,形态和微观结构特征.
• 开发了人工智能模型来学习高层次表示来预测nICT响应.

主要成果:

• 人工智能模型证明了能够更准确地预测nICT响应的能力.
• 人工智能揭示了通过传统评估无法察觉的生物异质性.
• 从AI获得的高维数据为治疗反应提供了更深入的见解.

结论:

• 人工智能医疗成像为预测nICT在ESCC中的反应提供了一个精确的工具.
• 未来的人工智能进步 (基础模型,多式联络整合) 将提高通用性和临床实用性.
• 人工智能预计将彻底改变ESCC的术后管理,使风险识别,反应监测和量身定制的治疗成为可能.