基于人工智能利用术前CT图像、血常规及生化数据预测膀胱癌复发的临床研究

摘要：

目的:本研究旨在探讨CT图像、血常规及生化数据在预测膀胱癌复发风险中的价值.方法:回顾性纳入2017年3月-2022年7月于徐州中心医院泌尿外科治疗的65例膀胱癌患者.当患者初发膀胱癌时,收集其术前CT图像、血常规及生化数据.将CT图像进行归一化,并随机旋转-40～40°,以增加数据输入.使用CT图像、血常规及生化数据分别构建多种预测模型(三维卷积神经网络、梯度提升机).采用五倍交叉验证实验及曲线下面积(area under the curve,AUC)评价三维卷积神经网络和梯度提升机的预测性能.结果:利用CT图像训练的三维卷积神经网络准确率为89.0％,曲线下面积为0.888.基于血常规和生化数据训练的梯度提升机准确率分别为94.7％、98.8％,曲线下面积分别为0.898和0.996.结论:机器学习方法在对经尿道膀胱肿瘤切除术后患者的复发预测方面显示出巨大的潜力,或可用于膀胱癌的复发风险分层,进一步指导后续的化学治疗.

关键词：膀胱癌、复发、人工智能、CT图像

所属期刊栏目：39

分类号：R737.14(肿瘤学)

资助基金：国家自然科学基金;江苏省卫健委重点项目;江苏省中医药管理局项目;徐州市医学重点人才培养项目

在线出版日期：2024-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：412-418