人工智能模型利用序列成像预测肺癌治疗反应

(HealthDay) -根据4月22日在线发表的一项研究，对于局部晚期非小细胞肺癌(NSCLC)患者，在多个时间点集成计算机断层扫描(CT)扫描的深度学习网络可以改善临床预后预测临床癌症研究．

来自波士顿布莱根妇女医院的Yiwen Xu博士及其同事评估了深度学习网络在预测局部晚期NSCLC的临床结果方面的作用。数据集A包含179例接受明确放化疗的III期NSCLC患者的581张扫描图，包括1个月、3个月和6个月随访时的预处理和治疗后图像。采用单种子点肿瘤定位，利用卷积神经网络(CNN)和循环神经网络的转移学习建立模型。进行病理反应验证数据集B，其中包括89名接受放化疗和手术治疗的患者的178次扫描。

研究人员发现，使用时间序列扫描的深度学习模型可以预测生存率和癌症特异性结局(进展、远处转移和局部复发)。随着对CNN模型的每一次后续扫描，模型的性能都得到了增强。模型将患者分为低危组和高危组，两者显著相关总生存期(危险比6.16)。在数据集B中模型也显著预测病理反应。

一位合著者在一份声明中说:“我们的研究表明，深度学习模型集成了多个时间点获得的常规成像扫描，可以改善肺癌的生存预测和癌症特异性结果。”

两位作者披露了与生物制药和医疗保健行业的财务关系。

---

---

版权©2019每日健康．保留所有权利。