相关实验视频
Updated: Jan 9, 2026
Modeling Oral-Esophageal Squamous Cell Carcinoma in 3D Organoids
Published on: December 23, 2022
基于深度学习的人工智能模型预测口腔状细胞癌患者的生存率
Yung Jee Kang1, Yun Gon Lee2,3, Myung Jin Chung3,4,5
1Department of Otorhinolaryngology-Head and Neck Surgery, Seoul Metropolitan Government - Seoul National University Boramae Medical Center, Seoul National University College of Medicine, Seoul, Republic of Korea.
人工智能 (AI) 通过整合超越TNM分期的临床数据来提高口腔状细胞癌 (OSCC) 的生存预测. 这种深度神经网络 (DNN) 模型为更好的治疗计划提供了更准确,更个性化的预后.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 医学预测 医学预测
背景情况:
- 对口腔状细胞癌 (OSCC) 的传统TNM分期具有有限的个性化预后价值.
- 临床因素如表现状况,年龄,性别和生活方式至关重要,但在当前的生存预测模型中往往代表性不足.
研究的目的:
- 开发和评估人工智能 (AI) 模型,以改善OSCC生存预测.
- 整合多样化的临床和病理变量,以便更准确的预后评估.
主要方法:
- 对1018名经过手术治疗的OSCC患者 (1996-2020) 的回顾性分析.
- 开发一个深度神经网络 (DNN) 用于多组分类,包括人口统计,生活方式,TNM阶段,PET SUVmax,入侵状态和切除边缘.
- 与基于回归的DNN,Cox比例危险和随机生存森林模型进行比较,使用最小平方和多任务学习来计算类不平衡.
主要成果:
- DNN模型实现了0.922的曲线下的高面积 (AUC) 和0.888.88的一致性指数.
- 通过线性测试证实了预测和观察结果之间的强相关性.
- 结合临床变量的人工智能模型显示,与传统分期相比,OSCC的生存预测准确度更高.
结论:
- 人工智能驱动的模型,特别是多组DNN,在预测OSCC生存方面取得了重大进展.
- 这些人工智能工具对个性化预后和优化治疗策略在口腔状细胞癌管理中具有前景.
更多相关视频
12:03Multi-photon Imaging of Tumor Cell Invasion in an Orthotopic Mouse Model of Oral Squamous Cell Carcinoma
Published on: July 25, 2011
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
