人工智能作为早期非小细胞肺癌手术前规划的诊断工具:单中心体验

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:

• 非小细胞肺癌 (NSCLC) 是癌症死亡的主要原因.
• 放射学和人工智能为精准医学提供定量成像分析.
• 早期NSCLC需要准确的分期,以进行最佳的治疗计划.

研究的目的:

• 评估基于人工智能的放射学模型,用于预测T和N阶段,淋巴血管入侵 (LVI) 和早期NSCLC的术后并发症.
• 使用定量成像特征评估模型的手术前预测能力.
• 在NSCLC患者中确定术后并发症的预测因素.

主要方法:

• 对51名早期NSCLC患者进行回顾性分析,这些患者接受了带切除术.
• 从CT扫描中提取定量成像特征,使用带有自动识别的Lesion Scout.
• 规范后勤回归 (LASSO) 的应用用于模型开发和验证.
• 使用AUC,精度,灵敏度,特异性,精度和F1分数进行性能评估.

主要成果:

• 人工智能放射学模型在预测T元件方面表现出色 (训练AUC=0.89;测试AUC=0.86;F1=0.81).
• 该模型显示了T组件预测的可接受校准 (p = 0.41).
• 节点转移和LVI没有被模型显著预测 (p > 0.05).
• 肺被确定为术后并发症的显著独立预测因素 (p = 0.024).

结论:

• 人工智能驱动的放射学表明,在早期NSCLC中,T成分具有强大的预测能力.
• 肺是术后并发症的临床相关预测因素.
• 人工智能放射学有望提高NSCLC的手术前阶段和风险评估.