使用多模式临床决策支持系统评估临床医生的表现,用于肺癌预后

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:

• 手术是早期肺癌的主要治疗方法.
• 识别那些在手术后受益于辅助治疗的患者是具有挑战性的.
• 准确的预后对于个性化肺癌治疗至关重要.

研究的目的:

• 开发一个临床决策支持系统 (CDSS) 用于术后肺癌预后.
• 将多模式深度学习模型 (DLM) 集成到CDSS中.
• 评估CDSS对临床医生的决策和信心的影响.

主要方法:

• 使用手术前的医学图像和临床,手术和病理学数据开发了一种多模式的深度学习模型 (DLM).
• 该DLM是外部验证的.
• 创建了一个CDSS以向临床医生提供患者信息和DLM结果.
• 四位瘤学家评估了患者的复发风险和建议,包括CDSS-DLM信息和没有CDSS-DLM信息.

主要成果:

• 结合DLM洞察力的CDSS显示了改善临床医生的预测性能的潜力.
• 临床医生对预后和治疗建议的信心因CDSS-DLM信息而增强.
• 这项研究是首次将多模式的DLM用于预后在肺癌CDSS中进行集成.

结论:

• 开发的CDSS与集成的多模式DLM显示了改善术后肺癌预后的希望.
• 临床医生评估表明,CDSS可以提高预测准确性和信心.
• 这项工作开创了这种综合系统的使用,并探索了临床医生在肺癌护理中的接受.