Radiology：MRI深度学习勾画鼻咽癌肿瘤体积的价值
2019-08-14 shaosai MedSci原创
背景：鼻咽癌（NPC）能够通过放射学治疗治愈。对于肿瘤边界的确认是非常重要的，尤其是与重要结构的准确分界是进行精准性放射性治疗是很有必要的。然而，进行头颈部放射治疗的肿瘤勾画是具有个体性差异且耗费精力的。本研究旨在建立并验证能够自动勾画NPC患者原发肿瘤实体体积（GTV）的人工智能（AI）工具。
背景：鼻咽癌（NPC）能够通过放射学治疗治愈。对于肿瘤边界的确认是非常重要的，尤其是与重要结构的准确分界是进行精准性放射性治疗是很有必要的。然而，进行头颈部放射治疗的肿瘤勾画是具有个体性差异且耗费精力的。本研究旨在建立并验证能够自动勾画NPC患者原发肿瘤实体体积（GTV）的人工智能（AI）工具。
本研究共纳入了1021例NPC患者，将患者数据分为训练组、验证组和测试组，各组分别为715、103和203例患者。对1021例患者进行GTV勾画，并由两名专家进行确认。利用3D卷积神经网络进行对818例患者进行训练和验证而建立AI工具，随机在203例额外的病例进行验证。比较AI工具结果与8名资深放射肿瘤医生的勾画结果进行比较。利用Wilcoxon匹配符号等级检验比较AI帮助前后的Dice相似指数。
结果为，在测试的203例患者中与基础勾画相比AI辅助勾画具有较高水平的准确性（DSC， 0.79；平均边界差异为2mm）。在多中心评价师，AI辅助提高了勾画准确性（在AI辅助的是5/8例肿瘤医师具有较高的中位数DSC，中位数DSC为0.74 vs 0.78； P < .001）、减少了组间和组内差异（分别为36.4%、54.5%）、减少了勾画时间（减少39.4%）。
本研究表明，AI勾画工具能够提高鼻咽癌肿瘤实体勾画的准确性，对肿瘤进展控制和患者生存期具有积极影响。
原始出处：
Lin L1， Dou Q1， Jin YM，et al.Deep Learning for Automated Contouring of Primary Tumor Volumes by MRI for Nasopharyngeal Carcinoma.Radiology.DOI：10.1148/radiol.2019182012
本文系梅斯医学（MedSci）原创编译整理，转载需授权！
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
学习了
73