Desenvolvendo um modelo de aprendizado profundo baseado em ressonância magnética para prever o status do MMR

Neste estudo, pacientes diagnosticados com câncer de endométrio após a cirurgia e que realizaram ressonância magnética pélvica antes da cirurgia foram coletados de 2017 a 2022. A expectativa é coletar 500 casos em nosso hospital, que estão divididos em 375 casos (grupo experimental) e 125 casos (grupo de verificação interna).

100 casos de Sun Yat-sen University Cancer Center para verificação externa. Dados clínicos (idade, sexo, IMC, CA125, CA19-9, estadiamento MR-T, resultados imuno-histoquímicos de proteínas relacionadas a MMR) da população do estudo foram coletados e análise de regressão logística foi realizada para estabelecer modelos clínicos. Extraia, segmente, integre e aprimore dados de imagens de RM.

O aprendizado profundo foi usado para combinar o modelo clínico com dados de imagem de RM para construir o modelo. Curvas ROC foram construídas para o grupo de teste, grupo de verificação interna e grupo de verificação externa, e a área sob as curvas ROC foi calculada para avaliar o efeito diagnóstico e a estabilidade do modelo.

A estratégia de triagem de limiar duplo foi usada para filtrar a população pMMR (abaixo do limiar inferior), a população dMMR (acima do limiar superior) e a parte incerta da população (entre os limiares). Se a pontuação preditiva estiver acima do limite inferior, o paciente é aconselhado a passar por mais testes imuno-histoquímicos ou genéticos para confirmar o status de MMR ou o tipo de dMMR