开发一种综合模型,将临床,放射学与深度学习相结合,用于预测≤2厘米侵袭性肺腺癌的微粒细胞模式
概括
这项研究开发了一种组合模型 (CRDL),用于在小侵袭性肺腺癌 (ILADC) 中非侵入性预测微粒细胞模式 (MPP). 该CRDL模型准确地识别MPP,帮助手术决策,以获得更好的患者结果.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 小侵袭性肺腺癌 (≤2厘米ILADC) 中的微毛囊型 (MPP) 与预后不佳有关.
- 术前识别MPP对于定制外科手术策略至关重要.
- 目前的方法缺乏用于ILADC准确检测MPP的非侵入性方法.
研究的目的:
- 开发和验证一个预测模型,用于在≤2厘米的MPP的非侵入性识别.
- 整合临床,放射学和深度学习功能,以提高预测准确度.
- 评估模型在指导手术决策中的表现.
主要方法:
- 对311名病理确诊的ILADC患者的回顾性分析.
- 提取临床,放射学 (PyRadiomics) 和深度学习 (NASLung) 的特征.
- 使用融合特征和通过ROC,校准和DCA进行评估的组合模型 (CRDL) 的开发.
主要成果:
- 综合的临床+Rad+深度学习 (CRDL) 模型在测试组中实现了最高的性能.
- CRDL模型显示AUC为0.8817,敏感度为77.4%,特异性为81.0%.
- 通过校准曲线和DCA证实了预测和观察结果之间的良好一致性.
结论:
- 该CRDL模型提供了一个有效的非侵入性工具,用于在≤2厘米ILADC中进行MPP的术前预测.
- 这种预测能力可以显著帮助优化手术策略和患者管理.
- 多种特征的整合提高了预测模型的准确性和临床实用性.
