研究人員使用AI預(yù)測(cè)癌癥存活率與治療反應(yīng)

在對(duì)患者掃描進(jìn)行深度學(xué)習(xí)以追蹤癌癥的進(jìn)展之后，一個(gè)研究團(tuán)隊(duì)希望“有希望的結(jié)果”可以幫助改善癌癥患者的治療反應(yīng)和生存預(yù)測(cè)。

哈佛醫(yī)學(xué)院的醫(yī)學(xué)生徐一文博士于11月26日在本周早些時(shí)候在芝加哥舉行的年度RSNA會(huì)議上介紹了研究摘要。

該研究的目的是通過(guò)深度學(xué)習(xí)網(wǎng)絡(luò)模型從非小細(xì)胞肺癌(NSCLC)患者的時(shí)間序列圖像中評(píng)估臨床預(yù)測(cè)。圖像的時(shí)間序列來(lái)自于在治療后1、3和6個(gè)月進(jìn)行過(guò)隨訪掃描的患者。深度學(xué)習(xí)模型還考慮了錯(cuò)過(guò)的檢查。

肺癌是世界范圍內(nèi)主要的死亡原因之一，并且腫瘤正在進(jìn)化的生物系統(tǒng)中。因此，我們需要能夠隨時(shí)間推移捕獲這些病變的變化，并有可能使用這些方法來(lái)提供臨床預(yù)測(cè)方法。”

在這項(xiàng)研究中，研究人員使用了268位三期NSCLC患者。第一個(gè)數(shù)據(jù)集包括接受定性放化療(chemoRT)治療的179例患者和581例自由呼吸的CT掃描。將患者分為訓(xùn)練組(107例)和調(diào)整組(72例)。深度學(xué)習(xí)模型用于預(yù)測(cè)該數(shù)據(jù)集的總體生存，轉(zhuǎn)移，進(jìn)展和局部復(fù)發(fā)(LRR)免費(fèi)狀態(tài)。

第二個(gè)數(shù)據(jù)集用作測(cè)試，包括89位接受了chemoRT和手術(shù)治療的患者以及其178例自由呼吸的CT掃描。深度學(xué)習(xí)模型用于預(yù)測(cè)該數(shù)據(jù)集的總體存活，轉(zhuǎn)移，進(jìn)展，無(wú)LRR狀態(tài)和病理反應(yīng)。

當(dāng)沒(méi)有對(duì)癌癥患者進(jìn)行隨訪掃描時(shí)，當(dāng)預(yù)測(cè)一年和兩年生存率時(shí)，該模型在接受者工作特征曲線(AUC)下的面積僅為0.606和0.583。進(jìn)行一次隨訪掃描時(shí)，該模型預(yù)測(cè)一年和兩年生存期時(shí)，AUC為0.676和0.644。

通過(guò)兩次隨訪，該模型在預(yù)測(cè)一年和兩年生存期時(shí)獲得了0.763和0.687的AUC。經(jīng)過(guò)三次隨訪，該模型在預(yù)測(cè)一年和兩年生存時(shí)達(dá)到了AUC 0.817和0.736。

“經(jīng)過(guò)3次隨訪，您的第一年總生存期的AUC為0.82，兩年總生存期為0.74，” Xu說(shuō)。“通過(guò)增加每次跟蹤，性能都會(huì)得到改善。”

研究人員認(rèn)為，該結(jié)果可能對(duì)適應(yīng)性和個(gè)性化治療具有潛在的臨床意義。

“這項(xiàng)研究證明了使用深度學(xué)習(xí)在多個(gè)時(shí)間點(diǎn)組合患者掃描以改善臨床存活率和反應(yīng)預(yù)測(cè)的令人鼓舞的結(jié)果，” Xu的演講總結(jié)道。