Advanced Science·9月29日 · 周二论文农业遥感与作物表型阅读 2
Transformer‐Based PET/CT Fusion Enables Preoperative Prediction and Prognostic Stratification of Spread Through Air Spaces in Lung Adenocarcinoma
Xin‐Yu Zhu · Meng Meng · Zhen‐Zhen Wang 等 8 人
论文解读
0未达精选线
速览
用Transformer融合PET/CT多模态影像，术前预测肺腺癌气腔播散并分层预后。
方法
212例多中心数据，8种2.5D PET/CT表征，Transformer多模态
发现
外部测试AUC达0.822，风险评分与无进展生存相关（HR 4.24），优于单模态与常规融合。
机会点
该多模态融合与连续风险评分思路可迁移至作物病害/表型预测，探索多源影像融合与预后分层建模。
影响力0
信息增量0
专业深度0
信源权威0
时效性0
该论文为肺腺癌PET/CT影像AI预测研究，属医学影像领域，与三农、农业信息化、智慧农业无关，不建议进入每日精选。
原文摘要
气腔播散（STAS）与肺腺癌复发及不良预后相关，但可靠的术前识别仍具挑战性。这项多中心回顾性研究纳入三家机构的212例患者共219个肿瘤，开发了一个基于Transformer的多模态框架，整合八种互补的2.5D PET和CT表征，用于术前STAS风险评估。该模型在独立外部测试队列中达到受试者工作特征曲线下面积0.822（95% CI，0.725-0.920），其区分能力优于所评估的单模态和常规融合方法。除STAS分类外，经病理T分期、N分期和最大肿瘤直径调整后，模型衍生的连续风险评分与无进展生存期相关（HR，4.24；95% CI，1.47-12.25；P = 0.008），尽管进展事件数量有限，需谨慎解读。在两个公共队列中进行的探索性转录组分析进一步提名了涉及细胞黏附、囊泡运输、补体活性和代谢重塑的候选程序。总之，这些发现凸显了多模态PET/CT融合整合形态学和代谢信息用于无创STAS风险分层的潜力，并支持进一步开展前瞻性多中心评估，以推动个体化手术决策支持。
信源（1 个）