基于三维直肠内超声（3D-ERUS）深度学习模型的直肠癌术前 T 分期辅助诊断新利器

为解决直肠癌患者术前精准评估问题，研究人员开展基于 3D-ERUS 的深度学习模型计算机辅助诊断（CAD）工具用于直肠癌术前 T 分期的研究。结果显示该工具诊断效能高，能提升医生诊断能力与一致性，对直肠癌术前评估意义重大。

　　背景：直肠癌患者的预后和治疗效果极大地依赖于准确、全面的术前评估。三维直肠内超声（3D-ERUS）在直肠癌 T 分期方面展现出较高的准确性。因此，旨在开发一种基于 3D-ERUS、利用深度学习模型的计算机辅助诊断（CAD）工具，用于直肠癌的术前 T 分期。
方法：回顾性分析 216 例接受 3D-ERUS 检查的直肠癌患者数据。患者被随机分为训练队列（n = 156）和测试队列（n = 60）。放射科医生分别在有无 CAD 工具辅助的情况下解读测试队列的 3D-ERUS 图像，评估 CAD 工具的诊断性能及其对放射科医生解读的影响。
结果：CAD 工具对各 T 分期的直肠癌肿瘤均显示出较高的诊断效能，对 T1 期肿瘤的诊断性能最佳（曲线下面积（AUC）为 0.85；95% 置信区间（CI）：0.73 - 0.93）。在 CAD 工具辅助下， junior radiologist 2 诊断 T1 期肿瘤的 AUC 从 0.76（95% CI：0.63 - 0.86）提升至 0.80（95% CI：0.68 - 0.94）（P = 0.020）；junior radiologist 1 诊断 T2 期肿瘤的 AUC 从 0.61（95% CI：0.48 - 0.73）提升至 0.79（95% CI：0.66 - 0.88）（P = 0.013），诊断 T3 期肿瘤的 AUC 从 0.73（95% CI：0.60 - 0.84）提升至 0.84（95% CI：0.72 - 0.92）（P = 0.038）。初级放射科医生的诊断一致性（κ 值）从 0.31 提升至 0.64（P = 0.005），高级放射科医生的诊断一致性从 0.52 提升至 0.66（P = 0.005）。
结论：基于 3D-ERUS 图像的深度学习模型 CAD 工具在直肠癌 T 分期中表现出色，可提高放射科医生术前评估直肠癌患者的能力和一致性。