开发和验证可解释的基于MRI的多式融合模型,用于预测局部晚期直肠癌中新辅助化学放射治疗后的淋巴结转移:一个多中心研究
Yunjun Yang1, Lingyu Zeng2, Cuiling Zhu3,4
1Department of Radiology, The First Peoples Hospital of Foshan (Foshan Hospital Affiliated to Southern University of Science and Technology), School of Medicine, Southern University of Science and Technology, Foshan, China.
Abdominal radiology (New York)
|March 9, 2026
概括
一个新的DLRN模型整合了MRI深度学习放射学和Node-RADS得分,准确地预测了直肠癌患者的淋巴结转移. 这种可解释的多式联络方法改善了针对个人化直肠癌治疗的临床决策.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 局部晚期直肠癌 (LARC) 需要在新辅助化学放射治疗 (nCRT) 后准确预测淋巴结转移 (LNM).
- 目前的预测方法可能缺乏个性化治疗策略所需的精度.
研究的目的:
- 开发和验证一个可解释的多式模式模型,将MRI的深度学习放射学 (DLR) 功能与Node-RADS得分相结合.
- 该模型旨在预测LARC患者在nCRT后的LNM.
主要方法:
- 对来自三个中心的190名LARC患者的回顾性分析.
- 从T2加权和扩散加权的MRI中提取DLR特征.
- 由放射科医生进行节点-RADS评分.
- 使用后勤回归的DLR节点-RADS (DLRN) 组合模型的开发.
- 使用接收器操作特征分析和夏普利添加式扩展 (SHAP) 的评估.
主要成果:
- DLRN模型在训练和验证集中显示出优异的LNM预测性能 (AUC从0.843到0.941).
- 单个DLR和Node-RADS模型的性能超过了DLRN.
- SHAP分析证实了Node-RADS和DLR特征作为关键预测因素.
结论:
- 基于多参数MRI的DLRN模型显示,在nCRT后,在LARC患者中预测LNM显著有前途.
- 可解释的框架增强了临床信任,并有助于个性化的直肠癌治疗决策.
