NPC-SurvAI:一种完全自动化的深度学习框架,用于预测鼻癌患者的预后和风险分层
Jingjing You1, Hongru Ou2, Yongxin Zhang3
1Department of Radiology, The First Affiliated Hospital of Jinan University, Guangzhou, Guangdong, China; Department of Radiation Oncology (Maastro), GROW Research Institute for Oncology and Reproduction, Maastricht University Medical Centre, Maastricht, the Netherlands.
概括
一个新的深度学习框架,NPC-SurvAI,使用MRI扫描准确预测鼻癌 (NPC) 患者的生存率. 这种人工智能工具对患者进行分层,帮助临床医生制定个性化治疗和监测策略,以获得更好的结果.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 深度学习模型可以非侵入性地评估瘤放射学表型.
- 使用MRI进行鼻癌 (NPC) 预后评估对于治疗计划至关重要.
研究的目的:
- 开发一个端到端的深度学习框架,NPC-SurvAI,用于使用MRI对NPC的预后评估.
- 评估NPC-SurvAI对无进展生存 (PFS) 和整体生存 (OS) 的预测准确度.
主要方法:
- 一项对2180名NPC患者进行的回顾性研究,他们接受了基线MRI.
- 该NPC-SurvAI框架整合了AttVNet用于瘤细分和DenseNet-ICAM用于预后评估.
- 开发了临床和组合 (临床+成像) 模型,并使用AUC指标进行了比较.
主要成果:
- 该AttVNet实现了高瘤细分精度 (迪斯系数为0.726-0.764).
- 结合的NPC-SurvAI模型在预测PFS和OS方面显著优于临床和仅图像模型 (iAUCs 0.838-0.894).
- 患者成功地被分为不同的预后亚型 (P < 0.05).
结论:
- NPC-SurvAI显示出基于多种预后的自动化患者分层的潜力.
- 这种人工智能工具可以帮助临床医生优化NPC患者的治疗决策和监测.
