NSCLC生存深度学习模型的建立与验证+JAMA相关资讯-临床研究进展，文献-MedSci.cn

PLoS Med：<font color="red">深度</font><font color="red">学习</font>在肺癌预测中<font color="red">的</font>应用

PLoS Med：深度学习在肺癌预测中的应用

这项研究结果提供了证据表明，深度学习网络可用于基于NSCLC患者标准治疗CT影像的死亡风险分层。

MedSci原创 - 肺癌，深度学习，预后 - 2018-12-26

Radiology：<font color="red">深度</font><font color="red">学习</font>预测临床I期非小细胞肺癌N2转移和<font color="red">生存</font>

Radiology：深度学习预测临床I期非小细胞肺癌N2转移和生存

深度学习特征能准确预测临床I期非小细胞肺癌N2期病变及预后分层

MedSci原创 - 非小细胞肺癌，深度学习 - 2022-01-02

Nature子刊：同济大学佘云浪/陈昶/谢冬开发新<font color="red">的</font>方法，预测肺癌隐匿性淋巴结转移

Nature子刊：同济大学佘云浪/陈昶/谢冬开发新的方法，预测肺癌隐匿性淋巴结转移

本研究表明，DLNMS对N0期NSCLC的ONM有一定的预测价值。

iNature - 非小细胞肺癌，正电子发射断层扫描，心脏计算机断层扫描，肺癌隐匿性淋巴结转移 - 2023-11-26

AJRCCE：用于检测早期肺癌<font color="red">的</font>多维无细胞DNA碎片学分析

AJRCCE：用于检测早期肺癌的多维无细胞DNA碎片学分析

使用cfDNA碎片学特征建立了一个堆叠的集合模型，并在检测早期肺癌方面实现了卓越的灵敏度，这可以促进早期诊断并使更多患者受益。

MedSci原创 - 早期肺癌，多维无细胞DNA碎片学 - 2023-06-20

<font color="red">JAMA</font> Surg：胃癌患者辅助化疗能否获益？不妨试一下这个<font color="red">生存</font>预测<font color="red">模型</font>

JAMA Surg：胃癌患者辅助化疗能否获益？不妨试一下这个生存预测模型

现有的胃癌分期系统不能充分确定化疗的预后，并预测哪些患者可以从中获益。2017年7月，发表在《JAMA Surg》的一项多中心回顾性研究旨在建立基于特定肿瘤和患者特征的模型以个性化预测II期或III期胃癌患者辅助化疗的净获益。

环球医学 - 胃癌，辅助化疗 - 2017-08-28

Radiology：<font color="red">深度</font><font color="red">学习</font>帮你在CT上进行肺气肿分级

Radiology：深度学习帮你在CT上进行肺气肿分级

肺气肿CT分级主要由人工参考Fleischner学会系统评分进行评价，其与生理学功能障碍和死亡风险具有相关性。

MedSci原创 - 肺气肿，肺功能障碍，深度学习 - 2020-05-21

Int J Surg：程向东教授团队提出基于<font color="red">深度</font><font color="red">学习</font><font color="red">的</font>胃癌新辅助化疗疗效预测方法

Int J Surg：程向东教授团队提出基于深度学习的胃癌新辅助化疗疗效预测方法

本研究阐明了GPx2基因在调节胃癌进展转移中的新机制，并提出其可能是治疗胃癌的潜在药物靶标。

浙江省肿瘤医院 - 胃癌，新辅助化疗，深度学习 - 2023-05-05

陆舜教授：AI多组学<font color="red">深度</font><font color="red">学习</font> 预测肺癌免疫PD-1/PD-L1疗效

陆舜教授：AI多组学深度学习预测肺癌免疫PD-1/PD-L1疗效

日前，一项“基于多组学序列深度学习预测晚期非小细胞肺癌单药PD-1/PD-L1免疫治疗的临床获益研究”成果，于American Journal of Translation R

MedSci原创 - 人工智能，陆舜 - 2021-02-28

Lancet子刊：南方医科大学李国新等合作团队开发了一种<font color="red">深度</font><font color="red">学习</font><font color="red">模型</font>，可实时、准确预测腹膜复发风险和无病<font color="red">生存</font>期

Lancet子刊：南方医科大学李国新等合作团队开发了一种深度学习模型，可实时、准确预测腹膜复发风险和无病生存期

深度学习模型可以准确预测胃癌患者的腹膜复发和生存情况。需要前瞻性研究来检验该模型在结合临床病理学标准指导个性化治疗方面的临床效用。

iNature - 腹膜 - 2022-09-12

Radiology:在精准医疗时代，该如何准确预测肺腺癌患者<font color="red">的</font>无病<font color="red">生存</font>期？

Radiology:在精准医疗时代，该如何准确预测肺腺癌患者的无病生存期？

早期非小细胞肺癌患者的主要治疗方法是手术切除。尽管内镜技术在术前淋巴结评估和微创手术方面取得了较大进展，但复发率仍然很高。

MedSci原创 - 非小细胞肺癌，CT，深度学习模型 - 2021-06-11

JCO：中国<font color="red">建立</font>术后<font color="red">NSCLC</font>患者<font color="red">的</font><font color="red">生存</font>预测<font color="red">模型</font>

JCO：中国建立术后NSCLC患者的生存预测模型

上述新分期的直接结果是：对于部分病例，根据新分期制定的治疗策略将完全不同于应用旧分期时的策略，而且可能会给这部分患者带来更好的预后。2015年1月26日，《临床肿瘤学杂志》(J Clin Oncol)在线发表了我国广州医科大学附属第一医院何建行教授团队的一篇文章，详细介绍了一个预测术后非小细胞肺癌(NSCLC)患者生存的模型。

MedSci原创 - NSCLC，何建行，生存，预测模型 - 2015-02-01