应用人工智能方法构建直肠癌影像学相关预测模型的研究现状
组学,1预测模型的构建,1模型数据来源,2模型构建方法,3多组学联合构建,2预测模型的应用,1预测生存预后,2预测疗效,3预测远处转移,3预测模型的局限性,4小结与展望
张天帅,彭智颖,贾航,温镕博,周乐其,沈浮,于冠宇△,张卫△1 海军军医大学第一附属医院(上海长海医院)肛肠外科 上海 200433
2 海军军医大学第一附属医院(上海长海医院)影像医学科 上海 200433
结直肠癌(colorectal cancer,CRC)的发病率在恶性肿瘤谱中排名前列[1]。目前,直肠癌的临床治疗趋向“精准医疗”,而面对多样化的治疗方式,若是能够早期明确产生治疗应答的潜在患病个体将有助于实现临床获益最大化。此外,对患者治疗后生存状态的评估结果也影响着临床治疗决策的制定与实施。因此,建立稳健的、准确率高的预测模型将有助于优化直肠癌的临床诊疗。
影像学评估是直肠癌临床诊疗过程中必不可少的环节之一,临床医师可结合自身的诊疗经验与专业知识进行阅片判断,并将影像蕴含的特征信息用于辅助临床诊疗。然而,人工阅片耗时长、效率低,临床医师的诊疗经验、对影像学资料的个人理解及视觉对图像的分辨能力等多种因素可能会影响影像学资料的应用价值[2]。
随着科技的发展,具有图像信息处理优势的人工智能方法已成功应用于肿瘤的影像学分析,使得高通量影像数据可通过计算分析挖掘得出以往难以获得的肿瘤异质性信息,进而构建预测模型,对患者的生存预后、治疗效果等进行预测,使影像学资料得以采用一种新的方式加以应用[3]。
1 预测模型的构建
影像学相关预测模型的构建过程包括选取、收集数据及应用人工智能方法进行数据分析、完成模型构建。高质量、大样本的影像数据是构建预测模型的基础,也是模型的预测价值的决定性因素,通过影像组学、深度学习及二者结合等方法处理、分析影像数据是构建预测模型的主要内容[4]。此外,可添加患者其他的临床资料以使预测模型的数据类型更加完善,以提高预测模型的准确性。
1.1 模型数据来源
临床诊疗过程中用于评估患者病情的影像数据是构建预测模型所需的底层数据,而临床中影像学检查的普遍应用为预测模型的构建提供了丰富的数据来源,使其具有加以挖掘的现实意义。美国国立综合癌症网络(National Comprehensive Cancer Network,NCCN)指南认为,直肠癌患者需要在手术治疗之前、辅助治疗前后及随访期间进行胸部CT、腹部CT/MRI及盆腔MRI检查,以评估肿瘤分期、评估疗效及监测肿瘤状态[5]。此外,部分诊疗中心会对直肠癌患者进行更为精细的直肠高分辨率MRI 检查,也有应用PET/CT来评估肿瘤转移状态的临床实践 ......
您现在查看是摘要页,全文长 14131 字符。