用于非小细胞肺癌分级管理系统的多模态多任务深度学习

《Nature Communications》：Multimodal multitask deep learning for grading management system in non-small cell lung cancer

　　

摘要

准确的组织学亚型分类、肿瘤节点转移分期（TNM分期）以及预后评估是非小细胞肺癌（NSCLC）临床管理的核心内容，但由于肿瘤的异质性、生物标志物的局限性以及诊断上的不确定性，这些工作依然面临挑战。本研究展示了一种多模态、多任务的深度学习评分系统（MM-DLS），该系统结合了治疗前的PET/CT图像与临床数据，能够无创预测NSCLC的亚型、分期及生存风险。我们在来自多个中心的4,164名患者中开发并验证了这一模型。在外部验证组中，MM-DLS在组织学亚型分类方面的受试者工作特征曲线下面积为0.86，而在I–II期、III期和IV期的分期预测中，相应数值分别为0.86、0.86和0.88。该模型在不同治疗方案下对1年、3年和5年生存率的预测也表现出较强的区分能力。这些结果表明，MM-DLS为NSCLC的亚型预测、分期以及预后分层提供了一个整合性的框架。