除与亚叶切除治疗IA期非小细胞肺癌:一个多中心的回顾性队列研究,在除组中使用深度学习模型
Bingchen Xu1, Dongcun Huang1, Dengyao Liu1,2
1State Key Laboratory of Oncology in South China, Sun Yat-sen University Cancer Center, Department of Minimally Invasive Intervention, Guangdong Provincial Clinical Research Center for Cancer, Collaborative Innovation Center for Cancer Medicine, Guangzhou, P.R. China.
International journal of surgery (London, England)
|December 19, 2025
概括
图像导向热切除 (IGTA) 提供类似的长期存活到亚叶切除的阶段IA非小细胞肺癌 (NSCLC). 一个深度学习模型准确地预测了结果,确定了适合这种肺癌治疗的候选人.
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:
- 图像引导热切除菌 (IGTA) 越来越多地用于早期非小细胞肺癌 (NSCLC).
- 将IGTA与亚叶切除 (SLR) 进行比较的长期结果尚不清楚.
- 确定IGTA的最佳候选人仍然是一个挑战.
研究的目的:
- 为了比较IGTA与SLR的长期结果,用于IA阶段的NSCLC.
- 开发一种深度学习模型,用于预测IGTA后的无疾病生存率.
- 为了确定最适合用于热废除疗法的患者.
主要方法:
- 对2145名接受IGTA或SLR治疗的患者 (2012-2023) 的分析.
- 倾向性得分与混因素的控制匹配.
- 卡普兰-梅尔分析无进展生存率 (PFS) 和癌症特异性生存率 (CSS).
- 使用预处理CT图像开发视觉变压器 (ViT) 深度学习模型.
主要成果:
- 在匹配后,IGTA和SLR组之间没有PFS或CSS的显著差异.
- 在ViT模型中,生存预测的AUC为0.826 (训练) 和0.814 (验证).
- 较高的ViT得分与更差的生存率相关 (HR=8.61,P<0.001).
- 一个多式XGBoost模型进一步提高了预测性能.
结论:
- 长期IGTA的结果与SLR在IA期NSCLC中的结果相似.
- ViT深度学习模型准确地预测了切除后患者的结果.
- 对于精心挑选的NSCLC患者来说,IGTA代表了手术的可行替代方案.
