基于CT基线的多损失深度学习预测卵巢癌神经妊娠化化疗反应
计算机视觉与模式识别
2026-05-15 v1 人工智能
摘要
卵巢癌是最致命的妇科恶性肿瘤：约 60% 的患者在诊断时已患有晚期病，伴随约 30% 的 5 年生存率。及早识别对神经妊娠化化疗不作用于者的身份仍是关键未满足的需求，因为这可以防止无效治疗，避免对最佳手术管理的延迟。本工作提出了一种从治疗前对比增强CT扫描预测神经妊娠化化疗反应的非侵入性深度学习框架，利用自动生成的 3D 肿瘤掩码。该方法对轴向切片采用部分微调的预训练图像编码器，并通过注意力模块将切片级别的表示聚合为体积嵌入。训练组合分类损失与监督对比正则化和硬负例挖掘，以提高对含糊受试者和不作用于者之间的区分。该方法是在意大利米兰欧洲癌症研究所的回顾性单中心队列上开发的，包括 280 名合格患者（147 名受试者，133 名不作用于者）。在测试队列上，模型实现了 ROC-AUC 为 0.73（95% 置信区间：0.58-0.86）和 F1 分数为 0.70（95% 置信区间：0.56-0.82）。总体而言，这些结果表明该架构学习到了临床相关的预测模式，为基于影像学的分层工具提供了稳健的基础。
引用
@article{arxiv.2605.14991,
title = {Predicting Response to Neoadjuvant Chemotherapy in Ovarian Cancer from CT Baseline Using Multi-Loss Deep Learning},
author = {Francesco Pastori and Francesca Fati and Marina Rosanu and Luigi De Vitis and Lucia Ribero and Gabriella Schivardi and Giovanni Damiano Aletti and Nicoletta Colombo and Jvan Casarin and Francesco Multinu and Elena De Momi},
journal= {arXiv preprint arXiv:2605.14991},
year = {2026}
}