A Shallow Convolutional Neural Network Predicts Prognosis of Lung Cancer Patients in Multi-Institutional CT-Image Data.
A Shallow Convolutional Neural Network Predicts Prognosis of Lung Cancer Patients in Multi-Institutional CT-Image Data.
复制标题
DOI：
10.1038/s42256-020-0173-6
复制
发表时间：
2020-05
影响因子：
23.8
通讯作者：
Gevaert O
中科院分区：
文献类型：
--
作者：
Mukherjee P;Zhou M;Lee E;Schicht A;Balagurunathan Y;Napel S;Gillies R;Wong S;Thieme A;Leung A;Gevaert O
肺癌是全球成年人中最常见的致命恶性肿瘤，非小细胞肺癌（NSCLC）占肺癌诊断的85%。计算机断层扫描（CT）在临床实践中常规用于确定肺癌治疗方案和评估预后。在此，我们开发了LungNet，一种用于预测非小细胞肺癌患者预后的浅层卷积神经网络。我们在来自四个医疗中心的四个独立的非小细胞肺癌患者队列上对LungNet进行了训练和评估：斯坦福医院（n = 129）、H. 李·莫菲特癌症中心及研究所（n = 185）、马斯特里赫特大学医学中心（n = 311）以及柏林夏里特医学院（n = 84）。我们表明，LungNet的结果可预测所有四个独立生存队列的总生存期，队列1、2、3和4的一致性指数分别为0.62、0.62、0.62和0.58。此外，通过迁移学习，该生存模型可用于在肺部图像数据库联盟（n = 1010）上对良性与恶性结节进行分类，与从头训练相比性能有所提高（曲线下面积AUC = 0.85对比AUC = 0.82）。LungNet可作为非小细胞肺癌患者预后的一种非侵入性预测工具，并有助于解释CT图像以进行肺癌分层和预后判断。
Lung cancer is the most common fatal malignancy in adults worldwide, and non-small cell lung cancer (NSCLC) accounts for 85% of lung cancer diagnoses. Computed tomography (CT) is routinely used in clinical practice to determine lung cancer treatment and assess prognosis. Here, we developed LungNet, a shallow convolutional neural network for predicting outcomes of NSCLC patients. We trained and evaluated LungNet on four independent cohorts of NSCLC patients from four medical centers: Stanford Hospital (n = 129), H. Lee Moffitt Cancer Center and Research Institute (n = 185), MAASTRO Clinic (n = 311) and Charité – Universitätsmedizin (n=84). We show that outcomes from LungNet are predictive of overall survival in all four independent survival cohorts as measured by concordance indices of 0.62, 0.62, 0.62 and 0.58 on cohorts 1, 2, 3, and 4, respectively. Further, the survival model can be used, via transfer learning, for classifying benign vs malignant nodules on the Lung Image Database Consortium (n = 1010), with improved performance (AUC=0.85) versus training from scratch (AUC=0.82). LungNet can be used as a noninvasive predictor for prognosis in NSCLC patients and can facilitate interpretation of CT images for lung cancer stratification and prognostication.
登录
查看更多内容
影响因子：
3.7
作者：
Grove O;Berglund AE;Schabath MB;Aerts HJ;Dekker A;Wang H;Velazquez ER;Lambin P;Gu Y;Balagurunathan Y;Eikman E;Gatenby RA;Eschrich S;Gillies RJ
通讯作者：
Gillies RJ
影响因子：
9.8
作者：
Bakr S;Gevaert O;Echegaray S;Ayers K;Zhou M;Shafiq M;Zheng H;Benson JA;Zhang W;Leung ANC;Kadoch M;Hoang CD;Shrager J;Quon A;Rubin DL;Plevritis SK;Napel S
通讯作者：
Napel S
影响因子：
64.8
作者：
Esteva A;Kuprel B;Novoa RA;Ko J;Swetter SM;Blau HM;Thrun S
通讯作者：
Thrun S
影响因子：
19.7
作者：
HANLEY, JA;MCNEIL, BJ
通讯作者：
MCNEIL, BJ
影响因子：
10.3
作者：
Gentles, Andrew J.;Bratman, Scott V.;Diehn, Maximilian
通讯作者：
Diehn, Maximilian