深度放射学在非小细胞肺癌中预测新辅助免疫化学疗法的病理反应的能力:一项回顾性多中心研究
Yuanxin Ye1, Yuchi Tian2, Lingling Wang1
1Department of Radiology, Zhejiang Cancer Hospital, Hangzhou, China.
Frontiers in immunology
|March 16, 2026
概括
这项研究开发了一个结合放射学,深度学习和临床数据的预测模型,以准确预测非小细胞肺癌 (NSCLC) 患者的病理完整反应 (pCR). 组合模型实现了高精度,改善了治疗策略决策.
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:
- 非小细胞肺癌 (NSCLC) 治疗反应预测对于个性化治疗至关重要.
- 新辅助免疫化学疗法 (NIT) 是NSCLC的关键治疗方式.
- 准确预测病理完整反应 (pCR) 的NIT后帮助优化治疗策略.
研究的目的:
- 开发和验证在接受NIT的NSCLC患者pCR的预测模型.
- 整合放射学,深度学习 (DL) 和临床特征,以提高预测性能.
- 评估模型在培训,内部测试和外部测试队伍中的有效性.
主要方法:
- 来自三个中心的178名NSCLC患者的回顾性分析.
- 从NIT前和NIT后的CT图像中提取放射学特征.
- 从后NIT图像中提取DL特征,然后进行特征选择 (mRMR,LASSO).
- 开发一种使用后勤回归,融合放射学,DL和临床数据的综合预测模型.
主要成果:
- 结合放射学,DL和iRECIST的组合模型实现了最高的预测性能.
- 曲线下的面积 (AUC) 值达到0.955 (培训),0.882 (内部测试) 和0.839 (外部测试).
- 后NIT放射学和三角放射学模型显示出显著的疗效,其中三角1表现最好.
结论:
- 多维特征 (放射性,DL,临床) 的结合显著提高了NSCLC患者的pCR预测准确性.
- 这种综合方法为指导NSCLC管理中的治疗决策提供了有希望的工具.
- 开发的模型在不同患者队伍中显示出强大的通用性.
