基于成像的变压器模型预测了晚期鼻癌的早期治疗反应:一项双中心研究

科学领域:

• 放射学和瘤学 放射学和瘤学
• 人工智能在医学中的应用
• 医学成像分析 医学成像分析

背景情况:

• 在局部晚期鼻癌 (LA-NPC) 中预测早期反应的深度学习尚未得到充分探索.
• 缺乏使用2.5D成像和变压器架构的验证方法.

研究的目的:

• 验证一个新的2.5D放射性变压器融合模型,用于预测LA-NPC的早期治疗反应.
• 将基于变压器的模型与传统的临床模型的性能进行比较.

主要方法:

• 从184名LA-NPC患者的MRI图像的回顾分析 (2020年1月至2024年3月).
• 使用三种细分模型 (SegResNet,Unet,UnetR) 进行自动ROI划分.
• 开发了使用2.5D方法和转移学习的临床,变压器和组合预测模型.

主要成果:

• 变压器模型显示了高预测性能 (AUC 0.830 在测试组).
• 综合模型,整合临床数据,实现了优异的性能 (AUC 0.874 在测试组).
• 基于变压器的模型在早期反应预测方面表现优于传统的临床模型.

结论:

• 基于组合变压器的模型在LA-NPC中预测早期反应方面表现出显著的有效性.
• 这种方法通过改善结果预测,推进了个性化化疗和放射治疗规划.
• 经过验证的深度学习融合模型对于优化LA-NPC的治疗策略至关重要.