开发和验证CT放射学深度学习模型,用于预测胰腺和腹周瘤手术难度
1Department of Hepatobiliary Surgery, The First Affiliated Hospital of Chongqing Medical University, NO. 1 Youyi Road, Yuanjiagang, Yuzhong District, Chongqing 400016, China.
Cancers
|January 10, 2026
概括
一个新的混合放射学模型准确地预测了腹腔镜胰腺双管切除术 (LPD) 中的手术困难. 该工具结合了手工制作和深度学习功能,以更好地进行复杂的消化道癌症手术的术前评估.
科学领域:
- 医疗成像医学成像
- 手术瘤学手术瘤学
- 人工智能在医学中的应用
背景情况:
- 胰腺癌和周癌是消化道中普遍存在的瘤.
- laparoscopic pancreasoduodenectomy (LPD) 是一种激进的手术方法,需要进行手术前的难度评估.
- 预测手术困难对于优化LPD患者的治疗结果至关重要.
研究的目的:
- 开发和验证LPD手术困难的预测模型.
- 整合手工制作的放射学 (HCR) 和深度学习衍生放射学 (DLR) 功能,以提高预测.
- 使用决策曲线分析 (DCA) 评估混合模型的临床实用性.
主要方法:
- 对接受LPD的150名患者的回顾性分析.
- 从CT扫描 (门静脉阶段) 中提取HCR和DLR特征.
- 使用支持矢量机 (SVM) 算法的混合预测模型的开发.
主要成果:
- 混合模型实现了高分辨能力,AUC为0.942 (训练) 和0.848 (测试).
- 在测试组中,性能超过了独立的HCR (AUC=0.754) 和DLR (AUC=0.816) 模型.
- DCA证实了该模型的临床实用性,证明了预测手术困难的最高净益.
结论:
- 一个新的综合放射学模型有效地预测了LPD的手术困难.
- 结合HCR和DLR功能,可以提供卓越的预测性能.
- 该模型可以帮助在复杂的胰腺手术中进行手术前评估.
