Deep Learning für nicht-invasive Vorhersage tertiärer lymphoider Strukturen beim Pankreaskrebs mit prospektiver Validierung
Von KI ausgewählt und zusammengefasst
Worum es geht
Multicenter-Studie zur Entwicklung eines ResNet50-basierten Deep-Learning-Modells zur nicht-invasiven Vorhersage von tertiären lymphoiden Strukturen (TLS) aus CT mit prospektiver Validierung in einer Immunochemotherapie-Kohorte.
Ergebnis
Im Trainingssatz AUC 0,987, internaler Validierungssatz AUC 0,937, externer Validierungssatz AUC 0,853. In der prospektiven Immunochemotherapie-Kohorte (n=44): pathologieverifizierte AUC 0,929 (Spezifität 1,000). DLN-hohe Patienten zeigten signifikant bessere Ansprechrate (90,0% vs. 26,5%, p=0,001), progressionsfreies Überleben (median 13,1 vs. 5,3 Monate, p<0,001) und Gesamtüberleben (median 17,6 vs. 8,7 Monate, p<0,001).
Übertragbarkeit auf Deutschland
Chinesische Studie an Onkologie-Kohorte, aber international vergleichbare Datenqualität und prospektive Validierung zeigen Versorgungsrelevanz.
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.