Desarrollo de un modelo de aprendizaje profundo basado en MRI para predecir el estado de MMR

En este estudio, se recolectaron pacientes a las que se les diagnosticó cáncer de endometrio después de la cirugía y que se habían realizado una resonancia magnética pélvica antes de la cirugía entre 2017 y 2022. Se espera recolectar 500 casos en nuestro hospital, los cuales se dividen en 375 casos (grupo experimental) y 125 casos (grupo de verificación interna).

100 casos del Centro de Cáncer de la Universidad Sun Yat-sen para verificación externa. Se recopilaron datos clínicos (edad, sexo, IMC, CA125, CA19-9, estadificación MR-T, resultados inmunohistoquímicos de proteínas relacionadas con MMR) de la población de estudio y se realizó un análisis de regresión logística para establecer modelos clínicos. Extraiga, segmente, integre y mejore los datos de imágenes de RM.

Se utilizó el aprendizaje profundo para combinar el modelo clínico con datos de imágenes de RM para construir el modelo. Se construyeron curvas ROC para el grupo de prueba, el grupo de verificación interna y el grupo de verificación externa, y se calculó el área bajo las curvas ROC para evaluar el efecto de diagnóstico y la estabilidad del modelo.

La estrategia de triaje de doble umbral se utilizó para descartar la población de pMMR (por debajo del umbral inferior), la población de dMMR (por encima del umbral superior) y la parte incierta de la población (entre los umbrales). Si la puntuación predictiva está por encima del umbral inferior, se recomienda al paciente que se someta a más pruebas inmunohistoquímicas o genéticas para confirmar el estado de MMR o el tipo de dMMR.