基于CT深度学习模型预测局部进展期胃癌术后预后的研究

发布时间：2024-01-25 18:30

　　目的探讨基于CT深度学习构建的模型在预测局部进展期胃癌患者术后预后中的价值方法回顾性搜集200例(训练组134例,验证组66例)术后病理确诊为局部进展期胃癌患者的术前CT增强图像和临床资料。在门静脉期CT图像肿瘤最大层面提取深度学习特征,用LASSO Cox回归方法选择特征并构建标签,然后通过多因素Cox回归模型融合标签和临床病理信息构建预测模型,并用诺莫图对模型可视化。采用区分度、校准度和临床决策曲线等评价模型的预测效能。结果最终筛选出10个深度学习特征构建了深度学习标签,标签在训练组和验证组中均与总体生存时间显著相关(P<0.001和P=0.010)。融合深度学习标签和肿瘤TNM分期构建的预测模型在训练组[C-index(95%CI)=0.776(0.718～0.833)]和验证组[C-index(95%CI)=0.797(0.680～0.914)]均有较好的区分度和校准度。决策曲线分析表明预测模型有较好的临床实用性。结论基于术前CT图像的深度学习模型可个体化预测局部进展期胃癌患者术后预后,有望辅助临床治疗决策。

【文章页数】：5 页

图1深度学习特征提取流程图

图2A～C深度学习标签的诊断能力。

图3融合模型和仅TNM分期因素诺莫图(左上图和右上图)，训练组和验证组中预测3年总体生存概率的校准曲线(左下图，右下图)

图4模型预测胃癌患者预后的决策曲线图(Combine=融合模型;Stages=TNM分期模型)

本文编号：3885338