亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Data from Multitask Deep Learning Based on Longitudinal CT Images Facilitates Prediction of Lymph Node Metastasis and Survival in Chemotherapy-Treated Gastric Cancer

淋巴结转移 医学 癌症 化疗 节点(物理) 淋巴结 转移 深度学习 肿瘤科 内科学 人工智能 计算机科学 工程类 结构工程
作者
Bingjiang Qiu,Yunlin Zheng,Shunli Liu,Ruirui Song,Lei Wu,Cheng Lu,Xianqi Yang,Wei Wang,Zaiyi Liu,Yanfen Cui
标识
DOI:10.1158/0008-5472.c.7906469
摘要

<div>Abstract<p>Accurate preoperative assessment of lymph node metastasis (LNM) and overall survival (OS) status is essential for patients with locally advanced gastric cancer receiving neoadjuvant chemotherapy, providing timely guidance for clinical decision-making. However, current approaches to evaluate LNM and OS have limited accuracy. In this study, we used longitudinal CT images from 1,021 patients with locally advanced gastric cancer to develop and validate a multitask deep learning model, named co-attention tri-oriented spatial Mamba (CTSMamba), to simultaneously predict LNM and OS. CTSMamba was trained and validated on 398 patients, and the performance was further validated on 623 patients at two additional centers. Notably, CTSMamba exhibited significantly more robust performance than a clinical model in predicting LNM across all of the cohorts. Additionally, integrating CTSMamba survival scores with clinical predictors further improved personalized OS prediction. These results support the potential of CTSMamba to accurately predict LNM and OS from longitudinal images, potentially providing clinicians with a tool to inform individualized treatment approaches and optimized prognostic strategies.</p>Significance:<p>CTSMamba is a multitask deep learning model trained on longitudinal CT images of neoadjuvant chemotherapy-treated locally advanced gastric cancer that accurately predicts lymph node metastasis and overall survival to inform clinical decision-making.</p><p><a href="https://aacrjournals.org/cancerres/pages/data-science-special-series" target="_blank">This article is part of a special series: Driving Cancer Discoveries with Computational Research, Data Science, and Machine Learning/AI.</a></p></div>
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
3秒前
漂亮的幻枫完成签到,获得积分10
6秒前
Crisp完成签到 ,获得积分0
7秒前
枕月完成签到,获得积分10
12秒前
精明凝海发布了新的文献求助10
16秒前
悲凉的丝完成签到,获得积分10
23秒前
35秒前
饱满飞绿完成签到,获得积分10
38秒前
ajing发布了新的文献求助10
39秒前
朴实水云完成签到,获得积分10
48秒前
50秒前
1分钟前
枕月发布了新的文献求助10
1分钟前
生动的依白完成签到,获得积分10
1分钟前
AnYX完成签到 ,获得积分10
1分钟前
震动的醉蓝完成签到,获得积分10
1分钟前
1分钟前
Prof.Z发布了新的文献求助80
1分钟前
2分钟前
忧心的棒球完成签到,获得积分10
2分钟前
2分钟前
万霖完成签到,获得积分10
2分钟前
2分钟前
曾经凌萱发布了新的文献求助10
2分钟前
愉快的书桃完成签到,获得积分10
2分钟前
2分钟前
2分钟前
2分钟前
香蕉觅云的应助被曾经凌萱采纳,获得10
2分钟前
慢读文献完成签到,获得积分10
2分钟前
yuxia完成签到 ,获得积分10
2分钟前
老实的石头完成签到,获得积分10
3分钟前
明亮的藏鸟完成签到,获得积分10
3分钟前
舒服的荧完成签到,获得积分10
3分钟前
Youcandoit完成签到,获得积分10
3分钟前
3分钟前
lovelife完成签到,获得积分10
3分钟前
万霖发布了新的文献求助10
3分钟前
开心饼干完成签到,获得积分10
3分钟前
3分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
Social Psychology in the Real World 600
八旗制度の研究 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8179889
求助须知:如何正确求助?哪些是违规求助? 9570071
关于积分的说明 21808307
捐赠科研通 7775682
什么是DOI,文献DOI怎么找? 3433193
关于科研通互助平台的介绍 2557334
邀请新用户注册赠送积分活动 2478881