基于深度学习区分结直肠癌亚厘米级肺转移灶：一项多中心回顾性研究

《BMC Medical Imaging》：Differentiating sub-centimeter lung metastases in colorectal cancer by deep learning: a multicenter retrospective study

　　

摘要

背景

对于结直肠癌患者而言，早期诊断亚厘米级肺转移灶对于及时制定治疗方案及改善预后至关重要。如何准确判断这类结节性质仍是当前面临的重大挑战。本研究旨在开发并验证一种深度学习模型，以实现非侵入式区分亚厘米级肺转移灶。

方法

我们的回顾性研究纳入了来自3家机构的1335例已接受过治疗的亚厘米级肺转移灶结直肠癌患者，以及来自1家机构的1335例良性肺结节患者。其中1194名患者被随机分为训练组与内部验证组，比例均为8:2。另外还有两个外部验证组，分别包含101名（EVC1）和40名（EVC2）患者。该深度学习框架采用了基于VNet的完全自动化分割模型处理无对比剂计算机断层扫描图像，并结合ResNet18分类器来判断结节是良性还是转移性。同时，根据结节的最大直径（10、9、8、7、6、5、≤4毫米），对不同亚组进行了逐步验证。

结果

自动分割模型的Dice系数为0.825。在初始研究组中，放射科医生的诊断准确率为0.705。而在内部验证组及两个外部验证组中，深度学习模型的AUC值分别为0.953（95%置信区间：0.937–0.967）、0.906（95%置信区间：0.874–0.926）和0.951（95%置信区间：0.938–0.965）。此外，逐步验证结果显示，当结节最大直径≥5毫米时，其诊断性能依然稳定。

结论

该深度学习模型能够准确且无创地区分结直肠癌患者体内的良性与转移性亚厘米级肺结节。