European Radiology：深度学习在预测喉癌和下咽癌放疗相关治疗预后方面的应用
2022-05-07 shaosai MedSci原创
磁共振成像（MR）上的弥散加权成像（DWI）已被广泛应用于肿瘤学中检测肿瘤部位和肿瘤生存能力的评估。
据估计，喉癌的5年总生存率为54-61%，其中下咽癌的临床预后效果更差。目前，放疗是早期喉癌和下咽癌的首选治疗方法。局部晚期喉癌和下咽癌越来越多地采用化疗放疗来代替手术治疗，以保持喉部功能。因此，早期发现残余和复发的肿瘤可以为后续治疗计划的制动提供参考。
磁共振成像（MR）上的弥散加权成像（DWI）已被广泛应用于肿瘤学中检测肿瘤部位和肿瘤生存能力的评估。研究表明，治疗前、治疗中和治疗后的表观扩散系数（ADC）可作为评估头颈部癌症预后的因素。然而，由于ADC的可重复性和客观性较差，其临床实践中的使用受到了限制。最近，机器学习和深度学习（DL）形式的人工智能已被广泛应用于医学成像。卷积神经网络（CNN）是DL算法之一，通过几个堆叠的卷积层帮助自动检测从医学图像中提取的成像特征。但据我们所知，尚未有研究使用基于MR的CNN对接受头颈部癌症根治性治疗的患者进行预测的模型。
近日，发表在European Radiology杂志的一项研究探讨了使用治疗前和治疗中DWI（DWIpre和DWIintra）和ADC图（ADCpre和ADCintra）的DL模型在预测接受根治性放疗的喉癌和下咽癌患者的局部复发和预后的诊断性能，为患者个性化治疗方案的制定提供了有价值的参考依据。
本研究招募了40名接受放疗、化疗或诱导（化疗）放疗的喉癌和下咽癌患者，并根据表现时间线分为训练组（N = 49）和测试组（N = 21）。所有患者在开始放疗前和放疗后4周接受了MR检查。在治疗前和治疗中的DWI和ADC图上提取成像特征的DL模型来预测2年内的局部复发。在测试组中，对每个DL模型的复发预测进行了分析。此外，还进行了Kaplan-Meier和多变量Cox回归分析以评估DL模型和临床变量的预后意义。
在DL模型中，使用治疗中的DWI（DWIintra）预测局部复发的最高受试者工作特性曲线下面积和准确性分别为0.767和81.0%。对数检验显示，DWIintra与PFS显著相关（P = 0.013）。在多变量分析中，DWIintra是PFS的独立预后因素（p = 0.023）。
图 DWIintra在训练组和测试组预测局部复发的ROC曲线
本研究结果表明，使用治疗期间DWI训练的DL模型是一个预测接受放疗、化疗或诱导（化疗）放疗的下咽癌和喉癌患者的治疗反应和预后的潜在成像标志物。
原文出处：
Hayato Tomita,Tatsuaki Kobayashi,Eichi Takaya,et al.Deep learning approach of diffusion-weighted imaging as an outcome predictor in laryngeal and hypopharyngeal cancer patients with radiotherapy-related curative treatment: a preliminary study
.DOI:10.1007/s00330-022-08630-9
作者：shaosai
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：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：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。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
#PE#
106
#喉癌#
83
#下咽癌#
79