Radiomika a modely hlubokého učení založené na CT k předpovědi invaze chrupavky štítné žlázy a prognózy pacienta u karcinomu hrtanu

Laryngeální spinocelulární karcinom (LSCC), jako jeden z nejčastějších nádorů hlavy a krku, je osmou nejčastější příčinou úmrtí souvisejících s rakovinou na celém světě. Rozhodnutí o léčbě má hluboký dopad jak na kontrolu nádoru, tak na funkční prognózu pacientů s LSCC. A tato rozhodnutí jsou primárně založena na stagingu nádoru, přičemž rozhodující determinantou je invaze štítné chrupavky. V důsledku toho přítomnost invaze štítné chrupavky indikuje pokročilé stadium (T3 nebo T4) diagnózy u pacientů s LSCC. U pacientů bez invaze štítné chrupavky lze zvážit částečnou laryngektomii k zachování funkce hrtanu. U pacientů s pokročilým karcinomem hrtanu a invazí štítné chrupavky přesahující hrtan je však často nutná totální laryngektomie k úplnému odstranění nádoru a prodloužení doby přežití. Proto je přesné posouzení invaze štítné chrupavky zásadní pro rozhodování o léčbě a hodnocení prognózy pacientů s LSCC. V poslední době se umělá inteligence ve formě strojového učení a hlubokého učení (DL) divoce uplatňuje v lékařském zobrazování. Radiomika, prominentní role ve strojovém učení, může extrahovat data o vysoce dimenzionálních funkcích a kvantitativně poskytnout cenné informace pro stanovení stadia a prognózu nádoru. Kromě toho může DL automaticky zachytit a naučit se rozlišovací funkce prostřednictvím end-to-end způsobu pro přesnou předpověď. Souhrnně bylo cílem této multicentrické studie vyvinout a ověřit radiomický model, 2D DL model a 3D DL model založený na CT obrazech žilní fáze a porovnat výkon těchto modelů se dvěma radiology při predikci štítné chrupavky. invaze. Kromě toho výzkumníci zkoumali prognostickou hodnotu optimálního předpokládaného modelu invaze štítné chrupavky.