通过人工智能测量的 Sarcopenia 作为局部膀癌总体存活率的预测指标,这是一个多中心研究

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:

• 标志着骨肌肉质量和功能丧失的萨尔科佩尼亚是各种癌症的显著预后因素.
• 目前诊断的麻症依赖于量化骨肌面积 (SMA) 在L3脊椎水平通过CT成像,但缺乏一个普遍的定义.
• 肌肉消耗对癌症患者的结果产生负面影响,需要准确可靠的评估方法.

研究的目的:

• 与手动评估相比,评估基于人工智能 (AI) 的麻症测量的可靠性和可重复性.
• 调查由各种标准定义的肉类症与肌肉侵入性膀癌 (MIBC) 患者的整体存活率 (OS) 和无进展存活率 (PFS) 之间的关联.
• 确定营养不良和中性粒细胞与淋巴细胞比率 (NLR) 对这一患者队列的生存状况的影响.

主要方法:

• 一项回顾性多中心研究分析了87名MIBC患者的数据,这些患者接受了新辅助化疗和激进囊切除术.
• 人工智能被用来分析化学疗法 (BC) 之前和手术前 (BS) 进行的CT扫描,以量化L3骨肌面积 (SMA).
• 用四个不同的文献标准定义了肉症;人工智能测量与手工测量进行了比较;分析了生存终点和预后因素.

主要成果:

• 基于AI的SMA测量显示与手动测量的相关性很高 (r=0.95,p<0.001),证明了AI的可靠性.
• 根据Pardo标准 (BC和BS) 和Caan标准 (BS) 诊断的肉类瘤与较差的整体存活率 (OS) 有显著的关联.
• 高的NLR (≤4BS) 和营养不良与减少的OS (HR 3.33,p=0.003BC;HR 2.85,p=0.003BS) 密切相关.

结论:

• 以人工智能为基础的肉类症评估是一种可行,可靠和可重复的方法,用于评估癌症患者的身体组成.
• 肉类,特别是根据普拉多标准,是膀癌患者死亡率的重要预测因素.
• 在更大的队列中进行进一步的验证是有必要的,以确定AI驱动的瘤学体质成分分析的预后价值.