台灣茵蝶智能機器人論壇

標題: 人工智能通過術前CT图像可同時预測胃癌患者術後腹膜复發和無病... [打印本頁]

作者: admin    時間: 昨天 14:45
標題: 人工智能通過術前CT图像可同時预測胃癌患者術後腹膜复發和無病...
原创 柳叶刀 柳叶刀TheLancet

《柳叶刀-数字醫療》(The Lancet Digital Health)近日颁發一項基于人工智能多使命练習模子展望胃癌患者術後腹膜复發和無病保存期的最新钻研。钻研立异地開辟了一種多使命深度進修模子,可經由過程術前CT图象正确地同時展望腹膜复發和無病保存期,并在多中間表里部数据集中获得超卓的驗證。在人工智能(AI)模子的辅助下,临床大夫展望腹膜复發的正确度获得了显著的提高。别的,此AI模子還可以或许從II、III期胃癌患者中區别出最有可能從辅助化療中获益的人群。该模子的開辟有望于引导胃癌的個别化醫治,并選擇最有可能重新療法(如腹腔热灌注化療)中受益的患者。本钻研由南邊醫科大學南邊病院平凡外科、廣東省胃肠肿瘤精准微创诊療重點實行室、美國斯坦福大學醫學院放射肿瘤科牵頭,小荷醫療康健、南邊醫科大學南邊病院醫學影象中間、中山大學肿瘤防治中間、西北工業大學计较機科學與工程學院、加州大學戴维斯分校、美國斯坦福大學醫學院外科等配合完成。江玉明博士、张志诚博士、袁清玉醫師及王玮博士為配合第一作者,李瑞江传授、李國新传授及周志伟传授為配合通信作者。柳叶刀出格约请作者團队,為读者带来文章解读。辨認二维码或點击文末“浏览原文”,领会原文更多内容。

文章解读

钻研布景

胃癌是最多见的恶性肿瘤之一,虽然在综合醫治模式下胃癌的醫治取患了必定的成效,可是胃癌根治性術後的腹膜复發率依然很高[1-4]。產生腹膜复發的患者预後极差,中位保存期唯一3-6個月[5]。钻研显示,腹腔热灌注化療在腹膜转移疾病的節制和醫治上取患了必定的成效,但是其持久获益仍不清晰,由于该醫治会增长術後并發症,如消化道瘘、粘連性肠阻塞和全身性败血症的產生[6, 7]。借使倘使能在術前肯定哪些患者具备较高腹膜复發危害,将有助于临床大夫举行初期干涉干與并精准地選擇最有可能從腹腔热灌注化療等新療法中获益的患者举行個别化醫治,從而改良预後。是以,构建精准的胃癌腹膜复發展望法子對胃癌的個别化醫治相當首要。

深度進修是一種從醫學图象中提守信息的高效法子,可提高展望预後的正确性[8, 9]。但是,传统深度進修模子大多以履行单個展望使命為主,如展望整體保存率等特定终點,存在過分拟合的缺點。比拟之下,单個模子在多個使命進修中,可以或许經由過程在相干使命之間同享特性,在提高效力的同時削减過分拟合,而且提高模子的通用性[10]。是以,本钻研操纵胃癌患者術前CT图象開辟了一種多使命深度進修模子,用于同時展望腹膜复發和無病保存期,并操纵该模子挑選可以從辅助化療中获益的患者,通過量中間的外部驗證,為临床腹膜复發展望和個别化醫治供给了首要的辅助東西。

钻研法子

本钻研回首性地纳入了三個自力行列步队中的2,320名胃癌患者,此中练習行列步队包含510名来自南邊醫科大學南邊病院的患者,内部驗證行列步队包含767名南邊病院的患者,外部驗證行列步队包含了1,043名来自中山大學肿瘤防治中間的患者。本钻研經由過程操纵练習行列步队中胃癌患者術前的CT图象開辟了一種多使命深度進修模子,用于同時展望腹膜复發和無病保存期,并在内部驗證行列步队和外部驗證行列步队中評估了模子展望腹膜复發和预後的正确性。同時,本钻研還評估了模子與化療療效的联系關系,和操纵该模子是不是有助于提高临床大夫展望腹膜复發的能力(图1)。

Figure 1. Study design for the development and validation of a deep learning model to predict peritoneal recurrence and disease-free survival

钻研成果

(1)多使命深度進修模子的開辟與驗證

本钻研操纵胃癌患者術前CT图象练習了一個深度卷积神經收集展望腹膜复發和無病保存期。經由過程迭代方法将监视比拟進修计谋與動态神經收集相連系,多標准交融CT图象摸索了潜伏的特性,從而開辟了展望腹膜复發和無病保存期的人工智能(AI)模子,并在驗證行列步队中获得了超卓的驗證。在练習行列步队中,展望腹膜复發方面的受試者操作特性曲線下面积(AUC)為0.857(95% CI 0.826-0.889),而在内部和外部驗證行列步队中,AUC也到達了0.856(95% CI 0.829-0.882)和0.843(95% CI 0.819-0.866)。同時,操纵该模子,钻研發明在练習行列步队中,腹膜复發評分高的患者的5年积累腹膜复發率显著高于低評分患者,别離為49.60%和0.75%(p<0.0001),而在内部和外部驗證行列步队中也發明了雷同的成果(图2)。

在AI模子的辅助下,临床大夫展望腹膜复發的能力获得了显著的提高。在练習行列步队中,临床大夫在展望腹膜复發方面的活络度從0.692显著提高到了0.915,而在内部驗證行列步队和外部驗證行列步队中,临床大夫在展望腹膜复發方面的活络度也别離從0.596和0.615提高到了0.938和0.944,并在响应檸檬片,的行列步队中連结了類似的特异性。一样的,钻研中的此外两名临床大夫在练習行列步队和两個驗證行列步队中展望腹膜复發的活络度也均获得了显著提高(图2)。

Figure 3: Model accuracy for predicting peritoneal recurrence in the training, internal validation, and external validation cohorts

(2)AI模子可以或许正确地域分保存获益的胃癌患者

本钻研評估了AI模子在展望胃癌患者無病保存期方面的機能,發明模子在练習行列步队、内部驗證行列步队和外部驗證行列步队中展望無病保存期的C指数别離為0.654(95% CI 0.616-0.691)、0.668(95%CI 0.643-0.693)和0.610(95% CI 0.583-0.636)。進一步的阐發成果显示,在练習行列步队中,AI模子高評分患者的無病保存期和总保存期均显著擅长低評分患者,而且在内部和外部驗證行列步队中获得了有用的驗證(p<誘蟑捕捉神器,0.001)(图3)。钻研者同時發明,經由過程整合深度進修模子和临床病理學危害身分构建的列線图,可以或许為當前临床實践中利用的TNM分期體系在個别化的保存展望方面供给显著的附加利用價值。

Figure灰指甲外用藥, 4: Kaplan-Meier analyses of disease-free survival and overall survival

(3)AI模子可以或许在II和III期胃癌患者中區分解療获益人群

本钻研除評估模子在展望腹膜复發和保存期方面的機能外,還進一步評估了模子與II期和III期胃癌患者術後化療療效的相干性。經由過程整合展望腹膜复發和保存的評分将患者從新分為4類後,發明對付第一類患者(腹膜复發率高且保存率低),辅助化療可以或许显著提高II期(HR 0.543(95% CI 0.362-0.815),p=0.003)和III期患者(HR 0.531(95% CI 0.432-0.652),p<0.0001)的無病保存率。相反,對付第四類患者(腹膜复發率低且保存率高),辅助化療其實不影响II期(HR 1.559((95% CI 0.915-2.655),p=0.098)或III期患者(HR 1.001(95% CI 0.697-1.439),p=0.990)的無病保存期(图4)。

Figure 4: Relationship between the deep learning model and benefit from adjuvant chemotherapy in matched patients with stage養生茶推薦, II and III gastric cancer

钻研结論

在這項针對2,320名胃癌患者的回首性多行列步队钻研中,钻研者們開辟和驗證了一種多使命深度進修模子,可以按照術前CT图象正确展望胃癌患者根治性手術後的腹膜复發环境和無病保存期。相较于传统的TNM分期體系,该模子在展望腹膜复發和無病保存期上具备怪异的上風,即即是在具备類似临床特性的患者中,也能精准區别胃癌腹膜复發高危害患者和保存获益人群,為临床個别化诊療供给了具备决议计劃意义的参考價值。首要的是,该模子整合了腹膜复發和保存信息後可以或许用来區别從通例化療中获益的胃癌患者,有望于引导胃癌的個别化醫治,選擇最有可能重新療法(如腹腔热灌注化療)中受益的患者,這對當前临床诊療制订新的辅助醫治计谋具备很是首要的参考意义。這些成果值得在将来的随機實驗中举行前瞻性驗證,以測試钻研的AI模子與临床病理學尺度相連系的临床功效,從而引导個性化醫治。END

参考文献

1.Bray F, Ferlay J, Soerjomataram I, Siegel RL, Torre LA, Jemal A. Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA: A Cancer Journal for Clinicians 68, 394-424 (2018).

2.Noh SH, et al. Adjuvant capecitabine plus oxaliplatin for gastric cancer after D2 gastrectomy (CLASSIC): 5-year follow-up of an open-label, randomised phase 3 trial. The Lancet Oncology 15, 1389-1396 (2014).

3.Jiang Y, et al. Association of Adjuvant Chemotherapy With Survival in Patients With Stage II or III Gastric Cancer. JAMA Surgery 152, e171087-e171087 (2017).

4.Ikoma N, et al. Patterns of Initial Recurrence in Gastric Adenocarcinoma in the Era of Preoperative Therapy. Annals of surgical oncology 24, 2679-2687 (2017).

5.Thomassen I, et al. Chemotherapy as palliative treatment for peritoneal carcinomatosis of gastric origin. Acta Oncol 53, 429-432 (2014).

6.Mi D-H, et al. Surgery combined wi治療甲溝炎,th intraoperative hyperthermic intraperitoneal chemotherapy (IHIC) for gastric cancer: A systematic review and meta-analysis of randomised controlled trials. International Journal of Hyper祛斑筆,thermia 29, 156-167 (2013).

7.Yang X-J, et al. Cytoreductive Surgery and Hyperthermic Intraperitoneal Chemotherapy Improves Survival of Patients with Peritoneal Carcinomatosis from Gastric Cancer: Final Results of a Phase III Randomized Clinical Trial. Annals of surgical oncology 18, 1575-1581 (2011).

8.Mukherjee P, et al. A shallow convolutional neural network predicts prognosis of lung cancer patients in multi-institutional computed tomography image datasets. Nature Machine Intelligence 2, 274-282 (2020).

9.Lou B, et al. An image-based deep learning framework for individualising radiotherapy dose: a retrospective analysis of outcome prediction. The Lancet Digital Health 1, e136-e147 (2019).

10.Zhao W, et al. HOTAIR is a predictive and prognostic biomarker for patients with advanced gastric adenocarcinoma receiving fluorouracil and platinum combination chemotherapy. Am J Transl Res 7, 1295-1302 (2015).

*中文解读仅供参考,所有内容以英文原文為准。




歡迎光臨 台灣茵蝶智能機器人論壇 (http://goldjhc.com.tw/) Powered by Discuz! X3.3