Deep Learning Model forutsier patologisk fullstendig respons av lungekreft etter neoadjuvant immunkjemoterapi

Denne studien oppnådde retrospektivt ikke-kontrastforsterkede og kontrastforsterkede CT-skanninger av pasienter med NSCLC som gjennomgikk kirurgi etter å ha mottatt neoadjuvant immunkjemoterapi. på flere sentre mellom august 2019 og februar 2023. Dyplæringsfunksjoner ble hentet fra både ikke-kontraktsforsterkede og kontraktsforsterkede CT-skanninger for å konstruere de prediktive modellene (henholdsvis LUNAI-nCT-modellen og LUNAI-eCT-modellen). Etter funksjonssammensmelting av disse to typene funksjoner, ble en sammensmeltet modell (LUNAI-fCT-modell) konstruert. Ytelsen til modellen ble evaluert ved å bruke arealet under mottakerens driftskarakteristiske kurve (AUC), nøyaktighet, sensitivitet, spesifisitet, positiv prediktiv verdi (PPV) og negativ prediktiv verdi (NPV). SHapley Additive ExPlanations (SHAP)-analyse ble brukt til å kvantifisere effekten av CT-bildefunksjoner på modellprediksjon. For å få innsikt i hvordan modellen vår lager spådommer, brukte vi Gradient-weighted Class Activation Mapping (Grad-CAM) for å generere fremtredende varmekart.