基于MRI的多参数放射学和深度学习来区分子宫血清癌与子宫内膜癌:一个多中心的回顾性研究
Yi Shen1, Liping Liu2, Shuang Ma3
1Department of Radiology, Shantou Central Hospital, Shantou, China.
Frontiers in oncology
|October 24, 2025
概括
结合MRI放射学,深度学习和临床数据的综合模型在手术前准确地区分了子宫血清癌 (USC) 和子宫内膜腺癌 (EEC). 这种方法有助于为子宫内膜癌亚型量身定制治疗策略.
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:
- 子宫血清癌 (USC) 和子宫内膜内膜癌 (EEC) 是不同的子宫内膜癌亚型,预后不同.
- 准确的手术前分化对于个性化手术规划和辅助治疗至关重要.
研究的目的:
- 开发和验证基于MRI的多参数放射学和深度学习 (DL) 模型,用于USC与EEC的手术前区分.
- 提高子宫内膜癌亚型的诊断准确度.
主要方法:
- 对210名手术前MRI患者 (68 USC, 142 EEC) 的回顾性研究.
- 从T2WI,DWI和CE-MRI中提取了放射学和DL特征.
- 使用LASSO用于特征选择和SVM用于模型构建,经过ROC和DCA的验证.
主要成果:
- 组合模型 (临床放射学,放射学,DL) 实现了更高的分辨率 (AUC 0.957内部,0.880外部).
- 深度学习模型显示了比单独的临床放射学数据更好的预测性能.
- 决策曲线分析表明,组合模型提供了最佳的临床效用.
结论:
- 结合多参数MRI放射学,DL特征和临床数据的综合模型显示了USC和EEC在手术前分化的前景.
- 这种方法可以为患有子宫内膜癌的患者提供量身定制的治疗策略.
