人工智能模型可可靠预测腹膜后肉瘤的疾病组织学

人工智能模型可可靠预测腹膜后肉瘤的疾病组织学

发表在《柳叶刀肿瘤学》杂志上的一项回顾性、多队列RADSARC-R研究发现，基于人工智能(AI)的放射组学模型在预测腹膜后肉瘤的组织学分级和类型时显示出可靠性，这可能有助于该患者群体的风险分层。

在STRASS研究(NCT01344018)的3期腹膜后肉瘤患者验证队列中，基于放射组学和基于算法的放射体积分数(ARVF)模型产生的患者操作曲线下面积(AUROC)为0.928 (P < 0.0001)。该模型的准确率为0.843，灵敏度为0.923，特异性为0.829，阳性预测值为0.480，阴性预测值为0.984。

当使用放射组学模型预测验证队列中的疾病等级时，AUROC为0.882 (P < 0.0001)。研究人员还报告了准确性得分为0.823，敏感性得分为0.800，特异性得分为0.848，阳性预测值得分为0.865，阴性预测值得分为0.778。

“迫切需要改善腹膜后肉瘤患者的诊断和治疗，这些患者目前预后不佳，”主要作者Amani Arthur, MRCPCH，伦敦癌症研究所临床研究员，皇家马斯登NHS基金会信托注册员，在一份新闻稿中说。

“通过这项早期研究，我们开发了一种利用成像数据的创新人工智能工具，它可以帮助我们比目前的方法更准确、更快速地识别腹膜后肉瘤的类型和级别。这可以通过帮助加快疾病的诊断来改善患者的预后，并通过可靠地识别每个患者的疾病风险来更好地定制治疗。”

本研究的研究人员评估了在伦敦皇家马斯登医院接受治疗的发现队列中腹膜后肉瘤患者的数据，以及参加STRASS研究的验证队列患者的数据，该研究评估了腹膜后肉瘤的新辅助放疗该研究的主要目的是开发放射组学分类模型，以预测腹膜后平滑肌肉瘤和脂肪肉瘤的组织学类型和分级。发现数据集中的CT扫描图像导致了放射组学工作流程的发展，包括手动描绘、子分割、特征提取和预测模型构建等功能。

“我们对这项最先进的技术的潜力感到非常兴奋，它可以通过更快的诊断和更有效的个性化治疗为患者带来更好的结果，”资深作者Christina Messiou教授，医学博士，皇家马斯登NHS基金会信托基金的顾问放射科医生和伦敦癌症研究所的个性化肿瘤学成像教授，在一份新闻稿中说“由于腹膜后肉瘤患者通常会接受CT扫描，我们希望这种工具最终能在全球范围内使用，确保不仅仅是每天都看到(肉瘤)患者的专科中心能够可靠地识别和分级疾病。”

组织学证实为腹膜后脂肪肉瘤或平滑肌肉瘤的18岁及以上患者有资格纳入该研究的发现队列其他资格要求包括原发性和单灶性疾病，CT扫描图像完全捕获肿瘤体积，无伪影。验证队列的患者和扫描标准与发现队列相似。

总体而言，该研究纳入了发现队列中的170例患者，他们的中位年龄为63岁(范围27-89)。此外，89例患者组成了验证队列，他们的中位年龄为59岁(范围33-77岁)。在发现组和验证组中，大多数患者的ECOG或世界卫生组织表现状态分别为0(61%对88%)、脂肪肉瘤(69%对85%)和2级疾病(44%对37%)。与验证队列(48%)相比，发现队列中仅接受手术治疗的患者比例(97%)更高。

“在未来，这种方法可能有助于表征其他类型的癌症，而不仅仅是腹膜后肉瘤。我们的新方法使用了这种疾病的特定特征，但通过改进算法，这项技术有一天可以改善每年数千名患者的结果，”Messiou总结道。