预测局部晚期直肠癌中新辅助化疗的治疗反应:一种结合深度学习和机器学习的方法,利用纵向多序MRI

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 人工智能的人工智能

背景情况:

• 局部晚期直肠癌 (LARC) 需要有效的治疗策略.
• 新辅助化疗 (NCT) 是LARC的标准治疗方法,但预测反应对于个性化治疗至关重要.
• 准确预测治疗反应可以优化患者的管理和改善结果.

研究的目的:

• 开发和验证深度学习 (DL) 模型,用于预测接受NCT的LARC患者的治疗反应.
• 利用纵向多序MRI数据来提高预测准确度.
• 为了比较DL模型的性能,并没有集成的临床放射学特征.

主要方法:

• 一项对169名接受新辅助化疗 (CAPOX) 和手术治疗的LARC患者的回顾性研究.
• 在NCT前后获得的纵向多序MRI (CE-T1WI,T2WI,DWI).
• 使用DenseNet121网络从MRI序列生成DL签名;用于预测模型的SVM分类器.
• 模型根据AUC,准确性,灵敏性,特异性,校准和临床实用性进行评估.

主要成果:

• 融合DL模型整合了NCT前后多序DL签名,在测试队列中实现了0.846的AUC.
• 结合临床-放射学-深度学习 (CRD) 模型的AUC略高于0.851,尽管在统计学上不显著.
• 处理后的DWI签名被确定为融合DL模型预测性能的主要贡献者.

结论:

• 融合DL模型在预测LARC患者对NCT的病理反应方面表现强.
• 整合从纵向多序MRI获得的DL签名具有预测治疗反应的重大潜力.
• 这些人工智能驱动的预测模型的进一步验证和临床整合是有必要的.