AME作者面对面+DeepSeek思考｜哈尔滨医科大学附属第二医院李晓夫团队：直肠癌术前LVI评估的MRI深度学习模型开发与验证

AME科研时间 · 公众号 · · 2025-03-20 17:30

正文

编者按： “AME 作者面对面” 是微信公众号 “AME科研时间” 的特色专栏。编辑部精心挑选了发表在 AME 旗下杂志的优秀论著，诚邀作者总结亮点，分享研究成果，旨在进一步推动医学同行之间的交流和进步。

分享团队：

哈尔滨医科大学附属第二医院李晓夫团队

所刊杂志：

Quantitative Imaging in Medicine and Surgery （点击查看杂志详情与影响因子）

文章标题：

直肠癌术前淋巴血管侵犯评估的多参数MRI深度学习模型的开发与验证（ Development and Validation of a Multi-parametric MRI Deep Learning Model for Preoperative Lymphovascular Invasion Evaluation in Rectal Cancer ）

内容亮点

淋巴血管侵犯（ Lymphovascular invasion， LVI）是直肠癌（ R ectal cancer， RC）患者的独立预后因素。最近的研究表明，基于磁共振成像（ M agnetic resonance imaging， MRI）的深度学习（ D eep learning， DL）在评估 RC治疗反应方面具有潜力，但MRI基础上的DL在评估RC LVI中的作用尚不明确。本研究旨在开发和验证一种基于MRI的DL模型，用于术前评估RC的LVI状态，并在外部中心测试其性能。

数据分别从两个中心回顾性收集：中心1（训练集：320例，内部验证集：80例）和中心2（外部测试集：89例），共计489例手术确诊的RC患者。所有患者在手术前均进行了MRI检查。基于3D ResNet-18架构分别构建了仅使用T2WI数据和DWI数据的两个独立图像模型来评估LVI，并开发了整合T2WI、DWI和临床因素的综合模型来评估LVI。通过曲线下面积（Area under the curve，AUC）和DeLong检验评估T2WI和DWI模型及其组合模型的评估性能。通过校准曲线分析和决策曲线分析（Decision curve analysis，DCA）评估这些模型的临床实用性。

我们发现基于T2WI和DWI的DL图像模型在内部验证集和外部测试集中均表现出较强的LVI评估能力。T2WI图像模型的AUC值分别达到0.795和0.764；DWI图像模型的AUC值分别为0.822和0.825。综合模型表现更优，AUC值分别为0.899和0.848。在外部测试集中，三种DL模型均表现出较好的校准度。DCA确认DWI图像模型和综合模型在评估LVI时比T2WI图像模型具有显著更高的整体净收益。

由此得出结论，基于多参数 MRI的DL模型在评估直肠癌患者LVI状态方面表现出优秀的评估性能。该模型有潜力作为一种非侵入性评估直肠癌LVI的补充方法。在未来的研究中，我们将寻求更多医院和计算机工作站的合作，以更好地评估直肠癌患者的风险分层，为相关领域的研究提供新的视角和方法论。 （论著 中文信息由第一作者整理提供，欲览英文原文请扫描下方二维码）

长按识别二维码即可阅读英文原文👆

DeepSeek回答精选（仅供参考）

第一作者：石晟铭

石晟铭，2023年毕业于牡丹江医科大学，同年于哈尔滨医科大学附属第二医院攻读放射影像学专业学位硕士研究生，师从李晓夫教授。在校期间多次获得奖学金并以第一作者在《磁共振成像》杂志发表文章。

AME作者面对面+DeepSeek思考｜哈尔滨医科大学附属第二医院李晓夫团队：直肠癌术前LVI评估的MRI深度学习模型开发与验证

正文

请到「今天看啥」查看全文