预治疗CT 识别喉和下喉癌的外节延伸使用深度学习
Na Shen1,2, Yirui Wang3, Cheng Yan4
1Department of Otolaryngology-Head & Neck Surgery, Zhongshan Hospital, Fudan University, 180 Fenglin Rd, Shanghai 200032, China.
Radiology
|January 13, 2026
概括
一个新的深度学习工具DeepENE在CT扫描上准确地识别了喉和下支柱状细胞癌 (LHSCC) 的外延伸 (ENE). DeepENE的表现优于人类专家,提高了治疗计划的诊断可靠性.
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:
- 精确的外节延伸 (ENE) 的术前鉴定对于喉和下支状细胞癌 (LHSCC) 的治疗决定至关重要.
- 人类在CT扫描上对ENE的解释是不可靠的,缺乏可复制性.
- 深度学习为提高ENE检测准确度提供了一个潜在的解决方案.
研究的目的:
- 开发和评估新型深度学习工具DeepENE的诊断性能.
- 评估DeepENE在LHSCC患者的手术前CT扫描上检测转移性和ENE淋巴结的能力.
- 将DeepENE的表现与经验丰富的头癌症专家进行比较.
主要方法:
- 使用中山医院的CT扫描进行DeepENE的回顾性开发 (2011年4月-2022年8月).
- 基于病理学的淋巴结细分和对转移和ENE状态的标签.
- 多中心外部验证使用三个LHSCC队列和一个口腔状细胞癌队列.
- 使用DeLong方法对DeepENE的诊断性能 (AUC) 与五名头部和部专家进行比较.
主要成果:
- 在DEEPENE的诊断中,DEEPENE获得了高AUC:0.93 (内部测试组),0.96,0.87和0.90 (外部测试组1-3).
- DeepENE显著优于专家,特别是在早期检测ENE时 (例如,外部测试组2中的AUC为0.87与0.66).
- 与其他测试组的专家相比,DeepENE显示出高灵敏度 (例如,在外部测试组1中,在90%的特异性下达97%),以及优越的灵敏度.
结论:
- 在LHSCC患者的手术前CT扫描中,DeepENE准确地检测到外节延伸.
- 与经验丰富的头癌专家相比,深度学习工具显示出优越的诊断性能.
- DeepENE有望提高LHSCC的诊断准确性和指导治疗决策.
