Standartinė lygiagreti chemoradioterapija (CCRT) gimdos kaklelio vėžio išgyvenimui (DFS) pasiekia maždaug 70% pacientų, sergančių vietine pažengusia liga; Tačiau beveik 30% vis dar patiria pasikartojimą ar metastazes.
Intensyvios gydymo strategijos gali pagerinti išgyvenamumą, tačiau jos dažnai būna su didesniu toksiškumu ir sąnaudomis. Pagrindinis iššūkis yra tiksliai nustatyti pacientus, kuriems iš tikrųjų reikia intensyvaus gydymo gydytojų, nes pakanka standartinės terapijos mažos rizikos atvejais, tuo tarpu didelės rizikos pacientams naudinga agresyvi intervencija.
Atliktame tyrime NPJ skaitmeninė medicinakomanda, kuriai vadovavo asoc. Prof. Liang Xiaokun iš Kinijos mokslų akademijos pažangiųjų technologijų Šenzeno institutų, taip pat prof. Hu Ke ir prof. Hou Xiaorong iš Pekino sąjungos medicinos koledžo ligoninės, sukūrė giluminį mokymosi pagrindu pagrįstą daugialypį gydymo strategiją.
„Cervipro“ integruoja prieš ir po radioterapijos CT pamatų modelio, radiomikos ypatybių ir klinikinės informacijos ypatybes. Pirmiausia naudojami giliai mokymosi pagrindu pagrįstos automatinio segmentavimo metodai, kad būtų galima tiksliai išgauti naviko regionus, o po to naudojamas iš anksto apmokytas CT pamatų modelis, kad būtų galima išgauti aukšto matmens gilias savybes. Vėliau intelektualus kelių šaltinių heterogeninių duomenų susiliejimas pasiekiamas atliekant pagrindinių komponentų analizę dimensijų mažinimo ir ypatybių atrankos metodams.
Siekdami užtikrinti „Cervipro“ klinikinį pritaikomumą, tyrėjai surinko multimodalinius klinikinius duomenis iš 1 018 gimdos kaklelio vėžio sergančių pacientų keliose Kinijos ligoninėse. Naudodamiesi kelių centrų patvirtinimo projektu, jie parodė, kad modelis ne tik pasiekė aukštą našumą atskirose ligoninės aplinkose, bet ir išlaikė tvirtumą bei pritaikomumą įvairiose realaus pasaulio klinikinėse aplinkose.
„Cervipro“ pasiekė tvirtą prognozuojamą našumą visose bandymo grupėse (mokymai, vidinis patvirtinimas ir išorinis patvirtinimas) ir parodė aukštesnį nuspėjamąjį našumą, palyginti su įprastais Cox proporcingo pavojaus modeliais ir „DeepSurv“. Tai sėkmingai sustiprino pacientus į didelės rizikos DFS grupę, kuriai gali būti reikalingas intensyvus gydymas ir mažos rizikos DFS grupė, kuri gali apsvarstyti galimybę išauginti gydymo galimybes kartu su kitomis kritinėmis prognostinėmis įžvalgomis.
Šis tyrimas suteikia gydytojams patikimą, intelektualų sprendimų palaikymo įrankį, kad būtų galima tiksliai nustatyti didelės rizikos pacientus, vadovaujant individualizuotų gydymo strategijų kūrimui dėl lokaliai pažengusio gimdos kaklelio vėžio.