人工智能驱动的放射学模型用于评估结直肠瘤免疫微环境
1Department of Biochemistry, Central University of Punjab, Bathinda 151401, Punjab, India. shashankbiochemau@gmail.com.
World journal of gastrointestinal oncology
|November 24, 2025
概括
这项研究引入了使用CT扫描来评估结直肠癌的深度学习 (DL) 方法.
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:
- 结肠直肠癌 (CRC) 的诊断和治疗需要对瘤免疫微环境 (TIM) 的准确评估.
- 目前用于TIM评估的方法通常是侵入性的,依赖于组织病理学.
- 预测TIM的非侵入性方法是个性化治疗策略所需的.
研究的目的:
- 开发和验证一种非侵入性深度学习 (DL) 放射学模型,用于评估结直肠瘤免疫微环境 (TIM).
- 用手术前CT图像预测结直肠癌患者的关键免疫相关指标.
主要方法:
- 对315名结直肠癌患者手术前CT图像的分析.
- 使用手动感兴趣的区域提取DL特征.
- 将放射学数据与病理参数集成,以构建人工智能驱动的模型.
- 模型性能评估使用接收机操作特征 (ROC) 分析,曲线下的面积 (AUC) 和决策曲线分析 (DCA).
主要成果:
- 基于DL的放射学预测模型被开发用于非侵入性TIM评估.
- 该模型显示了预测免疫相关指标的潜力.
- 该研究表明,使用CT放射学来评估TIM的可行性.
结论:
- 开发的DL放射学模型为评估结直肠瘤免疫微环境提供了一个有希望的非侵入性方法.
- 这种方法有可能有助于对结直肠癌患者的个性化治疗计划和免疫治疗策略.
- 建议对更大的多中心队列进行进一步验证,并纳入临床病理特征.
