非小细胞肺癌的AI衍生的纵向和多维CT分类器,以优化新辅助化疗免疫疗法的决定:一个多中心的回顾性研究

科学领域:

• 在瘤学瘤学.
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 新辅助化疗免疫疗法 (NACI) 改善了可切除非小细胞肺癌 (NSCLC) 的生存率.
• 目前的方法 (PD-L1,RECIST) 在预测治疗反应和病理完整反应 (pCR) 方面存在局限性.
• 对于个性化治疗策略来说,对NACI反应的非侵入性预测至关重要.

研究的目的:

• 开发和验证一种人工智能系统 (LC-NICER),用于预测接受NACI治疗的NSCLC患者的pCR.
• 创建预治疗和手术前模型,以提供个性化治疗指导和手术规划.
• 建立一种评估治疗疗效的非侵入性方法.

主要方法:

• 一项多中心回顾性研究,涉及534名用NACI治疗的NSCLC患者.
• 开发和验证LC-NICER,一个基于CT的AI系统,集成放射学,深度学习和息地成像.
• 利用培训,内部验证和独立的外部测试数据集进行可靠的性能评估.

主要成果:

• LC-NICER显示出高预测性表现,AUCs在整个队列中范围为0.870至0.950.
• 在治疗前,LC-NICERα获得了72.2%的准确性;在手术前,LC-NICERδ获得了83.1%的准确性.
• 在准确性方面,LC-NICER显著超过PD-L1和RECIST 1.1标准.

结论:

• LC-NICER是一种有前途的非侵入性AI工具,用于预测NSCLC中的NACI反应.
• 该系统可以促进个性化的治疗策略,并优化治疗决策.
• LC-NICER可能会减少对侵入性手术的需要,并加速临床试验.