CT 深度学习助力胃癌免疫微环境评估与个体化治疗
Lancet子刊:不靠病理切片!CT 深度学习助力胃癌免疫微环境评估与个体化治疗
研究开发了一种多任务混合深度学习模型 CTransNet,通过术前 CT 影像无创预测胃癌患者的三级淋巴结构状态和腹膜复发风险,为个体化治疗提供依据。
4分钟前 清泉心田 MedSci原创 发表于上海
CTransNet 多任务混合深度学习模型,依托术前 CT 影像可无创、精准预测胃癌患者三级淋巴结构状态、腹膜复发风险及生存预后。
深度解析医学证据,DeepEvidence为你支撑决策 胃癌根治术后腹膜复发十分常见,且致死率高。三级淋巴结构是肿瘤免疫应答的关键标志物,其成熟度与患者预后、治疗疗效密切相关。但目前评估三级淋巴结构主要依靠组织病理学检测,属于有创检查,还存在取样偏倚的局限,制约了患者分层管理。本研究构建新型多任务混合深度学习模型,探索基于影像的无创检测手段,用于预测胃癌患者三级淋巴结构存在及成熟状态、无腹膜复发生存期,为个体化诊疗提供依据。 本多中心开发、验证与测试研究提出CTransNet多任务混合模型,融合 ResNet50 卷积神经网络与 Transformer 架构,整合术前 CT 影像、影像组学及临床数据,同时完成两项任务:三级淋巴结构成熟度分类、无腹膜复发生存预测。研究纳入中国 8 个回顾性胃癌队列,包含 1 个训练队列、2 个内部验证队列、3 个外部验证队列,以及 2 个接受至少 2 周期 PD‑1/PD‑L1 抑制剂治疗的免疫治疗独立队列;另外增设欧美人群队列评估模型泛化能力。 依据 HE 染色及免疫组化结果将患者三级淋巴结构分为三类:TLS0(无三级淋巴结构)、TLS1(无生发中心的
小提示:本篇资讯需要登录阅读,点击跳转登录
版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
来源:梅斯医学·临床资讯 · news.medsci.cn
