AI模型使用串行成像来预测肺癌治疗反应

（健康日） - 根据在线发表于4月22日的一项研究，在多个时间点整合计算机断层扫描（CT）扫描的深度学习网络的深度学习网络可以提高临床结果预测临床癌症研究。

来自波士顿的Brigham和女子医院义文徐，同仁评估了预测当地先进的NSCLC中临床结果的深度学习网络。DataSet A由179例患者组成的581次扫描III期患者，其患有明确的校长治疗，其中一个，三个和六个月后的预处理和后处理图像。使用单一种子点肿瘤定位，使用具有经常性神经网络的卷积神经网络（CNN）的转移学习来开发模型。对病理反应验证进行了数据集B，其中包括从化学校长和手术治疗的89例患者中包含178次扫描。

研究人员发现，通过使用时间序列扫描的深度学习模型预测了存活率和癌症特异性结果（进展，远离转移和局部 - 区域复发）。通过每个额外的后续扫描到CNN模型中，提高了模型性能。患者通过模型分为低和高死亡率的风险群体，这些模型与明显相关的模型总生存率（危险比，6.16）。在数据集b中，模型也显着预测病理反应。

“我们的研究表明，在多个时间点获得的常规成像扫描的深度学习模型可以改善肺癌的存活和癌症特异性结果的预测，”在一份声明中表示。

两位作者向生物制药和医疗保健行业披露了财务关系。

---

---

版权所有©2019.健康天。版权所有。