心肺復(fù)蘇模型

新聞分類

深睿醫(yī)療AI模型新沖破,成果被《Frontiers in Oncology》收錄

深睿醫(yī)療AI模型新沖破,成果被《Frontiers in Oncology》收錄

發(fā)布日期:2022-03-23 作者:WLT 點擊:

最近,深睿醫(yī)療與貴州省人民醫(yī)院協(xié)作完結(jié)了對于腎透明細(xì)胞癌(ccRCC)腫瘤壞死和SSIGN評分的兩篇科研論文,并被國際有名期刊《Frontiers in Oncology》收錄。兩篇論文均采取多核心信息建模,通過AI預(yù)判模型實行了術(shù)前ccRCC侵蝕性及預(yù)后危害分層的有效預(yù)判,為ccRCC術(shù)前治愈選取供應(yīng)了首要的抉擇根據(jù),并為AI模型在腫瘤行業(yè)的運用供應(yīng)有效的理論追隨。

《Frontiers in Oncology》首要出版腫瘤有關(guān)行業(yè)的研發(fā),含蓋:根基試驗、臨床試驗、癌癥防備和治愈、腫瘤影像學(xué)并且新治愈靶點的有關(guān)研發(fā),旨在向全世界學(xué)者、研發(fā)職員、臨床醫(yī)師及公眾傳遞和交流腫瘤行業(yè)最新常識及高牽連力的科學(xué)發(fā)掘。

預(yù)判腫瘤壞死 助力術(shù)前抉擇

腎細(xì)胞癌(RCC)是腎臟本質(zhì)性惡性腫瘤,其發(fā)病率居我國泌尿生殖體系腫瘤第二位,此中腎透明細(xì)胞癌(ccRCC)是RCC中最易發(fā)的型號,約占70-80%。腫瘤壞死定論為宏觀凝結(jié)性壞死,其存在常提醒ccRCC更大的侵蝕性。深睿醫(yī)療與貴州省人民醫(yī)院協(xié)作開拓了影像組學(xué)對ccRCC腫瘤壞死的預(yù)判價值,并完結(jié)有關(guān)論文《A Computed Tomography-based Radiomics Nomogram to Preoperatively Predict Tumor Necrosis in Patients with Clear Cell Renal Cell Carcinoma》。該研發(fā)基于加強CT皮質(zhì)期及本質(zhì)期影像組學(xué)特點及常規(guī)影像視覺特點建立了影像組學(xué)諾模圖,并用獨立的外部信息進行驗證,其結(jié)果顯現(xiàn)相針對單一的影像組學(xué)模型或常規(guī)影像特點模型,影像組學(xué)諾模圖針對術(shù)前ccRCC腫瘤壞死擁有最佳的預(yù)判本領(lǐng)及臨床運用價值。因而該論文的研發(fā)成果針對ccRCC患者術(shù)前臨床抉擇擁有首要的引導(dǎo)意思。

本研發(fā)選擇132例A院病理確診為ccRCC患者成為訓(xùn)練集,123例B院ccRCC患者成為獨立驗證集。從加強CT的皮質(zhì)期和本質(zhì)期兩期加強圖片提煉影像組學(xué)特點,基于一致性評估和LASSO方式篩選37個特點拿來創(chuàng)建影像組學(xué)標(biāo)簽,同時依據(jù)醫(yī)師客觀視覺評估指標(biāo)(腫瘤大小和瘤內(nèi)血管)建立常規(guī)影像特點模型。最終將影像組學(xué)特點與常規(guī)影像特點相結(jié)合,結(jié)構(gòu)交融模型,即影像組學(xué)諾模圖。

在訓(xùn)練和驗證集中,影像組學(xué)諾模圖在預(yù)判本領(lǐng)(訓(xùn)練集AUC=0.93;驗證集AUC=0.87)及預(yù)判一致性(訓(xùn)練及驗證集中Hosmer-Lemeshow檢查 p值均>0.05)方面顯現(xiàn)出令人滿意的結(jié)果。另外,抉擇曲線解析影像組學(xué)諾模圖擁有最好的臨床運用價值。


1.jpg


Figure1 本研發(fā)的技巧線路圖


2.jpg


Figure2 訓(xùn)練集和測驗集三個模型針對ccRCC腫瘤壞死預(yù)判的ROC曲線

SSIGN評分預(yù)判 輔助術(shù)前預(yù)后分層

手術(shù)是治愈腎透明細(xì)胞癌(ccRCC)的首要措施,但術(shù)后20-30%的患者會顯現(xiàn)轉(zhuǎn)化或復(fù)發(fā),因而術(shù)前針對ccRCC患者的預(yù)后危害分層意思重要。SSIGN是由美國梅奧醫(yī)院依據(jù)腫瘤壞死、細(xì)胞核分級、直徑大小和腫瘤分期而制定的預(yù)后危害評分體系。深睿醫(yī)療與貴州省人民醫(yī)院協(xié)作完結(jié)了最新的有關(guān)論文《Preoperative CT Radiomics Predicting the SSIGN Risk Groups in Patients with Clear Cell Renal Cell Carcinoma: Development and Multicenter Validation》,其目標(biāo)是基于影像組學(xué)建立SSIGN術(shù)前低危害及中高危害患者的預(yù)判模型。該研發(fā)通過海內(nèi)外三個獨立信息集進行影像組學(xué)模型的訓(xùn)練、驗證及優(yōu)化,其結(jié)果均展現(xiàn)了很好的預(yù)判本領(lǐng)、一致性及臨床運用價值,進一步證實了影像組學(xué)在ccRCC術(shù)前評價中可行性和有效性。

本研發(fā)將海內(nèi)外3個核心的330例ccRCC患者劃為訓(xùn)練集、外部驗證集1和外部驗證集2,分別評價基于醫(yī)師客觀評估的常規(guī)影像模型、影像組學(xué)模型及交融模型針對SSIGN低危害組(得分0-3)和中等到高危害組(得分≥4)預(yù)判價值。通過一致性解析和LASSO方式篩選出16個影像組學(xué)特點并創(chuàng)建影像組學(xué)模型,其展現(xiàn)了滿意的預(yù)判成效,訓(xùn)練集AUC=0.87,外部驗證集1 AUC=0.87,外部驗證集2 AUC=0.92。相針對常規(guī)影像特點模型,影像組學(xué)模型顯現(xiàn)了很好的預(yù)判價值(p < 0.05)。固然影像組學(xué)模型與交融模型預(yù)判本領(lǐng)無顯著差別(p>0.05),而在預(yù)判一致性及臨床運用方面影像組學(xué)模型略優(yōu)于交融模型。因而影像組學(xué)針對SSIGN危害組預(yù)判擁有最佳的預(yù)判及運用價值。


3.jpg


影像組學(xué)標(biāo)簽、常規(guī)影像特點模型與交融模型 針對SSIGN評分預(yù)判的ROC曲線和校準(zhǔn)曲線


4.jpg


王榮品老師、博士生導(dǎo)師 、貴州省人民醫(yī)院醫(yī)學(xué)影像科主任

成為這次研發(fā)的負(fù)責(zé)人,貴州省人民醫(yī)院醫(yī)學(xué)影像科主任王榮品老師表達:“依賴Dr.wise?影像組學(xué)平臺,可實行ccRCC腫瘤壞死和SSIGN評分的術(shù)前預(yù)判模型建立,并通過多核心獨立驗證,闡明AI模型在腫瘤行業(yè)擁有潛在的運用遠景,有望輔助腫瘤臨床診斷抉擇?!?/p>

截止到現(xiàn)在為止,深睿研發(fā)院已刊登近百篇學(xué)術(shù)論文,累計牽連因子已達140,還擔(dān)當(dāng)了科技部、國自然及全國各大都市多個重要專項科研項目,彰顯出深睿醫(yī)療強力的科研本領(lǐng)。緊隨步入臨床的科研成果不停的產(chǎn)出,深睿醫(yī)療在大信息、云計算、人工自動等方面的技巧優(yōu)勢獲得十足闡揚,革新臨床診斷方式,督促科研成果迅速向臨床運用轉(zhuǎn)變。深睿醫(yī)療也將持續(xù)秉持革新之心,在醫(yī)學(xué)人工自動行業(yè)不停開拓和前行,發(fā)現(xiàn)醫(yī)學(xué)AI在醫(yī)療行業(yè)的運用情景。深睿醫(yī)療深耕聰慧醫(yī)療行業(yè),讓看病不再艱難。

被收錄文章:

■A Computed Tomography-based Tadiomics Nomogram to Preoperatively Predict Tumor Necrosis in Patients with Clear Cell Renal Cell Carcinoma

Yi Jiang, Wuchao Li, Chencui Huang, Chong Tian, Qi Chen, Xianchun Zeng, Yin Cao, Yi Chen, Yintong Yang, Heng Liu, Yonghua Bo, Chenggong Luo, Yiming Li, Tijiang Zhang, Rongpin Wang

■ Preoperative CT Radiomics Predicting the SSIGN Risk Groups in Patients with Clear Cell Renal Cell Carcinoma: Development and Multicenter Validation

Yi Jiang, Wuchao Li, Chencui Huang, Chong Tian, Qi Chen, Xianchun Zeng, Yin Cao, Yi Chen, Yintong Yang, Heng Liu, Yonghua Bo, Chenggong Luo, Yiming Li, Tijiang Zhang, Rongpin Wang



本文網(wǎng)址:http://tiprz.com/news/1095.html

相關(guān)標(biāo)簽:醫(yī)學(xué)人工,醫(yī)學(xué)AI

最近瀏覽:

在線客服
分享