基于MRI的深度学习用于评估直肠癌中侧侧淋巴结的预后值

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 准确的手术前评估侧淋巴结 (LLN) 状态对于直肠癌治疗至关重要.
• 传统的MRI T2加权成像 (T2WI) 对LLN评估具有局限性,包括观察者之间的变化和难以检测小转移.

研究的目的:

• 开发和验证深度学习 (DL) 模型,用于精确识别和细分直肠癌中LLNs.
• 评估DL模型在预测LLN阳性方面的诊断性能.
• 评估LLN状态对无病生存率 (DFS) 和整体生存率 (OS) 的预后意义.

主要方法:

• 一个多中心的回顾性研究,涉及1000名患者进行DL模型培训和480名患者进行验证.
• 图像注释和DL模型培训用于LLN识别和细分.
• 卡普兰-梅尔分析用于生存比较和考克斯回归用于预后因素识别.

主要成果:

• DL模型在预测LLN阳性方面表现出高的诊断性能,准确率为87.5%,特异性为73.8%.
• 确定LLN状态,周边切除边缘 (CRM) 和瘤下降阶段 (TD) 作为独立的预后因素.
• 与LLN阴性患者相比,阳性LLN患者的结果明显较差:与LLN阴性患者相比,3年DFS为57.66%vs81.66%和5年OS为61.62%vs84.82%.

结论:

• 开发的DL模型提供了一种高效和准确的方法,用于在直肠癌中预测阳性LLNs的术前预测.
• 该DL工具的临床实施可以增强风险分层和个性化治疗策略.
• 这种方法支持改善对直肠癌管理的决策.