李劲松团队通过MRI结合深度学习和放射组学建立早期口腔及咽喉鳞状细胞癌隐性颈淋巴结转移的诊断模型

论文题目：MRI-based deep learning and radiomics for prediction of occult cervical lymph node metastasis and prognosis in early-stage oral and oropharyngeal squamous cell carcinoma: a diagnostic study.  

通讯作者：李劲松；曹昊天；段小慧等

第一作者：兰天俊；旷世佳等

论文发表刊物：International journal of surgery

【研究背景】

在早期口腔及咽喉鳞状细胞癌的治疗中，准确诊断颈部淋巴结的微小转移至关重要，因为这直接影响治疗策略和患者的预后。目前常规的成像技术对于隐性颈淋巴结转移的诊断具有局限性。随着深度学习和放射组学的发展，利用这些深度学习结合MRI数据，有望显著提高早期颈淋巴结转移的预测精度，从而为临床提供更为精准的治疗决策支持。

【主要发现】

本研究构建了一个基于MRI、深度学习和放射组学特征的预测模型，有效预测早期口腔及咽喉鳞状细胞癌患者的颈部淋巴结隐性转移。通过对319名患者的数据分析，我们的模型在外部验证集中表现出高准确性，其AUC值达到0.834。此外，该模型还能预测患者的预后，帮助医生制定更合适的治疗计划。这一发现证实了结合现代影像技术和机器学习技术在提高诊断准确性方面的巨大潜力。

【研究意义】

本研究开发的MRI基于深度学习和放射组学的预测模型，对于提高早期口腔及咽喉鳞状细胞癌颈淋巴结隐性转移的诊断精度具有重要意义。这一创新方法能够帮助医生在手术前更准确地评估患者的病情，从而制定更加个性化和精准的治疗方案，避免过度治疗并降低治疗相关的并发症，显著提高患者的生存率和生活质量。此外，该模型的应用推动了放射组学和机器学习在临床诊断中的深入融合，为未来癌症治疗的精准医疗提供了新的技术路径。

【论文链接】

https://pmc.ncbi.nlm.nih.gov/articles/PMC11325978/

【阅读二维码】