Модель глубокого обучения для прогнозирования рецидива инвазивной аденокарциномы легкого стадии IA после субдолевой резекции (DL-Rec-ILA)

Целью данного исследования является разработка модели глубокого обучения для прогнозирования риска рецидива инвазивной аденокарциномы легких стадии IA после субдолевой резекции с использованием неконтрастных КТ-изображений. Наилучшие показания для субдолевой резекции у пациентов с ранней стадией LADC все еще обсуждаются, что затрудняет выбор хирургического метода. Модель глубокого обучения может неинвазивно и объективно прогнозировать риск рецидива у пациентов со стадией IA ILADC после сублобэктомии, а также полезна для прогнозирования прогноза пациентов со стадией IA ILADC после сублобэктомии и может облегчить выбор оптимального режима хирургического вмешательства. пациенты.

В исследовании будут использованы ретроспективные данные пациентов с инвазивной аденокарциномой легкого IA стадии после субдолевой резекции. Неконтрастные КТ-изображения будут собираться при поступлении и использоваться в качестве входных данных для модели глубокого обучения. Модель будет обучена с использованием сверточных нейронных сетей (CNN) для выявления закономерностей, связанных с повторением.

Помимо разработки модели, в исследовании также будет оценена эффективность модели на отдельной когорте проверки для оценки возможности обобщения. Статистический анализ будет включать такие показатели производительности, как площадь под кривой рабочей характеристики приемника (ROC) (AUC) и кривая точности отзыва.

Целью данного исследования является предоставление клиницистам ценного инструмента для принятия своевременных решений по выбору оптимального терапевтического подхода.