在食道状细胞癌中使用基于人工智能的磁共振成像放射学预测化学放射治疗的病理完整反应
Atsushi Hirata1, Koichi Hayano2, Toru Tochigi1
1Department of Frontier Surgery, Chiba University Graduate School of Medicine, Chiba 260-8677, Japan.
World journal of gastroenterology
|September 30, 2025
概括
来自扩散权重MRI的人工智能 (AI) 放射学预测了在接受化学放射治疗 (CRT) 的食道状细胞癌 (ESCC) 患者的病理完整反应 (pCR). 这种人工智能模型可以指导最佳的治疗策略,以改善生存结果.
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:
- 晚期食道状细胞癌 (ESCC) 的预后不好.
- 化学辐射疗法 (CRT) 改善了生存率,特别是病理完整反应 (pCR),但难以预测pCR治疗前的情况.
研究的目的:
- 开发基于人工智能的放射学模型,使用扩散权重磁共振成像 (DWI-MRI) 来预测接受CRT的ESCC患者的pCR和存活率.
主要方法:
- 对70名ESCC患者进行了追溯分析,接受CRT和手术治疗.
- 从预处理DWI-MRI中提取了76个放射性特征.
- 使用AutoGluon进行PCR预测的机器学习模型的开发和验证.
主要成果:
- 人工智能模型在PCR预测中获得了0.85的AUC.
- 显而易见的扩散系数偏差显示AUC为0.77.
- 灰级共发生矩阵 (GLCM) 是无复发生存 (RFS) 的显著预后因素.
结论:
- 用人工智能驱动的DWI-MRI的放射学分析可以准确地预测ESCC中的CRT反应.
- 这种方法可能有助于优化治疗策略,以改善患者的治疗结果.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
7.4K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
490
