研究人員使用AI預(yù)測癌癥存活率與治療反應(yīng)

在對患者掃描進(jìn)行深度學(xué)習(xí)以追蹤癌癥的進(jìn)展之后，一個研究團(tuán)隊希望“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。

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

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

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，我們需要能夠隨時間推移捕獲這些病變的變化，并有可能使用這些方法來提供臨床預(yù)測方法。”

在這項研究中，研究人員使用了268位三期NSCLC患者。第一個數(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)免費狀態(tài)。

第二個數(shù)據(jù)集用作測試，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)測該數(shù)據(jù)集的總體存活，轉(zhuǎn)移，進(jìn)展，無LRR狀態(tài)和病理反應(yīng)。

當(dāng)沒有對癌癥患者進(jìn)行隨訪掃描時，當(dāng)預(yù)測一年和兩年生存率時，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，該模型預(yù)測一年和兩年生存期時，AUC為0.676和0.644。

通過兩次隨訪，該模型在預(yù)測一年和兩年生存期時獲得了0.763和0.687的AUC。經(jīng)過三次隨訪，該模型在預(yù)測一年和兩年生存時達(dá)到了AUC 0.817和0.736。

“經(jīng)過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。“通過增加每次跟蹤，性能都會得到改善。”

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

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