目的探討基于CT深度學習構(gòu)建的模型在預測局部進展期胃癌患者術后預后中的價值方法回顧性搜集200例(訓練組134例,驗證組66例)術后病理確診為局部進展期胃癌患者的術前CT增強圖像和臨床資料。在門靜脈期CT圖像腫瘤最大層面提取深度學習特征,用LASSO Cox回歸方法選擇特征并構(gòu)建標簽,然后通過多因素Cox回歸模型融合標簽和臨床病理信息構(gòu)建預測模型,并用諾莫圖對模型可視化。采用區(qū)分度、校準度和臨床決策曲線等評價模型的預測效能。結(jié)果最終篩選出10個深度學習特征構(gòu)建了深度學習標簽,標簽在訓練組和驗證組中均與總體生存時間顯著相關(P<0.001和P=0.010)。融合深度學習標簽和腫瘤TNM分期構(gòu)建的預測模型在訓練組[C-index(95%CI)=0.776(0.718～0.833)]和驗證組[C-index(95%CI)=0.797(0.680～0.914)]均有較好的區(qū)分度和校準度。決策曲線分析表明預測模型有較好的臨床實用性。結(jié)論基于術前CT圖像的深度學習模型可個體化預測局部進展期胃癌患者術后預后,有望輔助臨床治療決策。

【文章頁數(shù)】：5 頁

圖1深度學習特征提取流程圖

圖2A～C深度學習標簽的診斷能力。

圖3融合模型和僅TNM分期因素諾莫圖(左上圖和右上圖)，訓練組和驗證組中預測3年總體生存概率的校準曲線(左下圖，右下圖)

圖4模型預測胃癌患者預后的決策曲線圖(Combine=融合模型;Stages=TNM分期模型)

本文編號：3885338