研究人员展示了深度学习算法在术后环境中的能力
发布日期：2022-10-30ECOG-ACRIN 癌症研究小组的研究人员表示，人工智能可以增强当前的方法，以预测头颈癌将扩散到颈部淋巴结边界以外的风险。使用标准计算机断层扫描（CT）扫描图像和参与E3311 2期试验的患者提供的相关数据定制的深度学习算法显示出了前景，特别是对于新诊断为人类乳头瘤病毒（HPV）相关头颈癌的患者。
Benjamin Kann 医学博士领导了ECOG-ACRIN的研究。他在德克萨斯州圣安东尼奥举行的美国放射肿瘤学学会（ASTRO）年会上介绍了这一发现。Kann博士说：“这种类型的研究是关键，因为它可以帮助识别高风险、侵袭性疾病的患者，并帮助选择适当的患者进行治疗。”
头颈癌及其标准治疗方法——手术、放疗或化疗——具有显著的发病率。它们影响一个人的外表、说话、饮食或呼吸。因此，人们对开发针对患者的低强度治疗策略非常感兴趣。例如，已完成的E3311第3阶段试验表明，经口手术后不进行化疗的50格雷（Gy）低剂量辐射可使复发风险中等的患者获得非常高的生存率和卓越的生活质量。
Kann博士及其同事基于诊断计算机断层扫描（CT）扫描、病理学和临床数据开发，并验证了基于神经网络的深度学习算法。来源是E3311试验的参与者队列，他们通过标准的病理和临床测量评估为高复发风险。
坎恩博士说：“头颈癌的分期是一个具有挑战性的临床问题。特别是，我们目前通过人类对治疗前成像的解读来识别结外扩张的努力，结果普遍不佳。”
