深度解析医学证据，DeepEvidence为你支撑决策 口咽癌是全球第七大常见癌症，其治疗手段常伴随显著的并发症，如何精准地进行风险分层以指导治疗强度的升降级是当前临床面临的重大挑战。结外侵犯是口咽癌一个重要的预后生物标志物，与较差的疾病控制和生存率密切相关，然而其确诊依赖于术后病理检查，这极大地限制了其在初诊非手术患者治疗决策中的应用。尽管影像学评估结外侵犯是研究热点，但传统放射科医生判读的准确性和一致性均不理想。因此，开发一种能够在治疗前通过影像无创、准确评估结外侵犯状态并量化其负荷的自动化工具，对于优化口咽癌患者的个体化管理具有重要的临床价值。 本研究是一项多中心回顾性研究，共纳入了来自三个国际知名癌症中心（加拿大的RADCURE队列、美国的MDACC队列和荷兰的MAASTRO队列）的1733例接受根治性放疗的口咽癌患者。所有患者均具备治疗前的诊断或定位CT扫描图像及完整的临床随访信息。研究团队开发并应用了一套集成的深度学习分析流程，首先利用一个基于3D nnU-Net架构并经外部验证的自动分割模型，在每位患者的CT图像上自动识别并勾画出可疑的恶性淋巴结，计算每位患者的AI预测阳

上一篇： 加州大学洛杉矶分校团队Biomateri...

下一篇： Pediatrics：儿童同时双侧人工耳...