预测新辅助化疗对晚期胃癌的疗效

胃癌是一种常见的恶性肿瘤,来源于胃粘膜上皮。阴险的和非特异性,癌症的早期症状类似于慢性胃炎、胃溃疡等疾病,因此容易被忽略。因此,80 - 90%的胃癌患者已经在高级阶段时第一次诊断。手术,预后较差,5年生存率仅为30%,仍是晚期胃癌的主要治疗手段(AGC)。

近年来,新辅助化疗(NACT)有助于改善患者的预后AGC,和外科医生和病人之间得到了越来越多的欢迎。然而,大约30%的患者AGC不能受益于NACT,但遭受疾病进展的风险,额外物理伤害,治疗费用高。尽管术后组织病理学的黄金标准评估NACT功效,它不能协助优化癌症治疗计划。因此,准确的识别AGC NACT抵抗治疗前患者是至关重要的。

不久前,研究高鑫从苏州生物医学工程技术研究所(SIBET)中国科学院与山西省肿瘤医院合作,提出了一种基于人工智能的方法预测的效果NACT AGC。在此基础上,研究小组最近提出,基于智能计算技术医学图像、一本小说疗效预测方法能够解决的问题确定AGC NACT患者抵抗。

团队建立一个端到端的NACT AGC的疗效预测模型使用ResNet-50神经网络体系结构从肿瘤自动我的高维特征图像,融合空间特性的肿瘤通过使用多通道图像输入策略和肿瘤的边界信息来指导网络集中在病变区域。

此外,他们采用计算机断层扫描(CT)图像与AGC三家医院的633名患者模型训练和验证。

结果表明,该模型具有较高的预测精度(大于0.75在内部和外部的测试集)和强大的推广,使其成为最好的端到端NACT响应预测模型在先前的研究中。

此外,为了进一步可视化模型的可解释性,研究人员量化肿瘤图像之间的对应关系和化疗抵抗使用可视化方法。激活区域的肿瘤模型的CT图像不均匀,为识别提供一个参考的隐式关联肿瘤异质性和化疗抵抗。

这项研究名为“深度学习预测阻力新辅助化疗对局部晚期胃癌:一项多中心研究”已经发表在胃癌。