Lonza与CELLINK合作推进完整的3D细胞培养工作流程哈德斯菲尔德大学向一个研究小组提供了资金研究人员在理解炎症细胞死亡和疾病的作用方面取得了很大进展过度消费和经济增长是环境危机的主要驱动力摄入蛋白质片段可改善阿尔茨海默病小鼠的工作记忆和长期记忆研究人员通过测量血脑屏障的渗漏来确定足球运动员是否患有CTE研究人员发现细胞去除是由机械不稳定性引起的CHOP研究发现 远程监护可以有效检测高危新生儿的癫痫发作结果显示 说话后大脑反应具有特别高的时间保真度新的研究成果有助于抑制致癌细胞和治疗癌症研究人员称遗传可能决定伤口感染和愈合聚焦超声显示有望治愈最致命的脑肿瘤机载地图揭示加州红杉的气候敏感性根据最新研究 牛的免疫阈值可能比我们想象的要低研究人员发现热环通过微波无线产生超声波脉冲圣裘德为儿童脑肿瘤的研究创造了新的资源科学家利用蛋白质和核糖核酸制造称为囊泡的中空球形袋遏制抗生素耐药性演变的突破点在巴西发现的基因突变会增加患癌症的风险发现的最小的恐龙蛋长约4.5厘米 宽约2厘米 重约10克 与鹌鹑蛋的重量相当海马在人类时空思维模式中的作用为什么植物是绿色的?研究小组的模型再现了光合作用新冠新增16名NBA感染病例 新冠检测了302名NBA球员Sygnature因其在药物发现方面的质量和科学卓越而享有盛誉与领先的智能实验室提供商Labforward建立了合作关系简单的临床试验可以检测患者术后或严重损伤后的出血风险实验室发现第一个可以模拟膝盖的软骨模拟凝胶Aβ蛋白的三维结构揭示了阿尔茨海默病毒性的新机制莱比锡研究人员使用一种计算方法从空气污染数据中消除天气影响结肠癌的快速基因组分析可以改善患者的治疗选择健脑游戏有助于提高老年人的驾驶技能研究人员报道转基因真菌成功杀死了疟疾蚊子深海矿物质和微量元素有助于提高高强度作业能力饮食中加入李子干可以提高超重成年人的营养消耗吃绿叶蔬菜沙拉可以改善更年期后的心血管健康研究人员发现 人体也可以发动免疫细胞进行反击研究发现 新孕妇和准妈妈使用熊胆疗法治疗妊娠相关疾病将大脑视为一个网络可以使研究人员从脑电图中提取更有意义的数据研究表明 抗生素抗性基因通过基因资本主义在大肠杆菌中持续存在数据显示 47%的人正在使用技术与医疗保健提供者交流人类大脑发育的新基因组图谱通用肠道微生物来源可以预测肝硬化发光染料可能有助于消除癌症下一代测序可以为罕见的代谢紊乱提供精确的药物人胰腺切片长期培养显示β细胞再生脊柱外科研究中财务披露不完整的比例非常高圣地亚哥动物园对老挝北部野生动物的消费进行了一项新的研究粪便微生物使诊断更具挑战性民意调查显示 纽约人对恢复正常更加犹豫不决全方位探访人类基因治疗的关键支柱
您的位置:首页>Nature杂志>生理学>

深度学习模型可以帮助预测肺癌的存活率和结果

导读使用来自非小细胞肺癌(NSCLC)患者的肿瘤的连续图像扫描开发的深度学习模型预测治疗反应和存活结果优于标准临床参数。该研究发表的期刊:

使用来自非小细胞肺癌(NSCLC)患者的肿瘤的连续图像扫描开发的深度学习模型预测治疗反应和存活结果优于标准临床参数。

该研究发表的期刊:临床癌症研究,美国癌症研究协会期刊作者:Hugo Aerts博士,Dana-Farber癌症研究所和布莱根妇女医院计算和生物信息学实验室主任,以及哈佛大学副教授。

背景:“我们的研究表明,深度学习模型整合了在多个时间点获得的常规成像扫描,可以改善肺癌的生存预测和癌症特异性结果,”Aerts说。“相比之下,依赖于阶段,性别,年龄,肿瘤等级,表现,吸烟状况和肿瘤大小的标准临床模型无法可靠地预测两年生存率或治疗反应。”

肺癌是最常见的癌症,也是全球癌症死亡的主要原因。NSCLC约占所有肺癌的85%。对这些患者的诊断和治疗反应的标准评估在很大程度上依赖于最大肿瘤直径的测量,该最大肿瘤直径容易受到观察者之间的解释和随时间的变化的影响。

研究是如何进行的:为了了解他们是否能够在癌症发展过程中提取更多预测性见解,Aerts及其同事建立了深度学习模型。他们转移了ImageNet,这是一个由普林斯顿大学和斯坦福大学的研究人员创建的神经网络,从最相关的特征中识别出各种普通物体,并使用连续CT扫描对179名患有3期NSCLC的患者进行了模型训练。化学放射治疗。它们包括在治疗前和治疗后一个月,三个月和六个月常规获得的每位患者最多四张图像,总共581张图像。

研究人员分析了该模型使用两个数据集进行重要癌症预后预测的能力:581个图像的训练数据集和来自89个非小细胞肺癌患者的178个图像的独立验证数据集,这些患者接受过放化疗和手术治疗。

结果:随着每次随访扫描的增加,模型的性能得到改善。基于预处理扫描预测两年生存率的曲线下面积(模型精度的测量值)为0.58,在添加所有可用的随访扫描后显着改善至0.74。被归类为具有低死亡风险的患者与具有高风险的患者相比,总体存活率提高了六倍。

与利用阶段,性别,年龄,肿瘤等级,表现,吸烟状况和临床肿瘤大小参数的临床模型相比,深度学习模型更有效地预测远处转移,进展和局部区域复发。

作者的评论:“放射学扫描是在随访检查期间从肺癌患者中常规捕获的,并且已经是数字化数据形式,使其成为人工智能应用的理想选择,”Aerts说。“定量跟踪病变随时间变化的深度学习模型可以帮助临床医生为个体患者量身定制治疗方案,并帮助患者分层进入临床试验的不同风险组。”

研究局限性:这种原理性证明研究的主要局限在于需要扩展更多数据,并在前瞻性临床试验中进行评估,Aerts说。

标签:

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。

最新文章