深度学习助力食管鳞状细胞癌淋巴结转移增强 CT 扫描预测：开辟精准医疗新路径

食管鳞状细胞癌（ESCC）预后差，准确预测淋巴结转移（LNM）意义重大。研究人员开展基于深度学习预测 ESCC 患者 LNM 的研究。结果显示 LymphoReso-Net 模型表现良好，有助于了解淋巴扩散模式，为治疗决策提供依据。

　　食管鳞状细胞癌（ESCC）对全球健康构成重大挑战，预后极为严峻。准确预测 ESCC 中的淋巴结转移（LNM）对于优化治疗策略和改善患者预后至关重要。本研究利用深度学习，特别是卷积神经网络（CNN）和长短期记忆（LSTM）网络，分析动脉期增强 CT 图像，以预测 ESCC 患者的 LNM。回顾性研究纳入 441 例接受根治性食管切除术和区域淋巴结清扫术的 ESCC 患者，使用增强 CT 扫描仪进行 CT 成像，分割肿瘤区域确定感兴趣区域（ROI），提取局部肿瘤 3D 体积作为模型输入。新型深度学习模型 LymphoReso-Net 结合 CNN 和 LSTM 网络处理和学习医学影像数据，输出 LNM 的二元预测结果。集成 GRAD-CAM 以增强模型可解释性，采用五折交叉验证评估模型性能，指标包括准确率、灵敏度、特异性和受试者工作特征曲线下面积（AUC-ROC），LNM 确认的金标准是 CT 检查后不久经病理证实的 LNM。LymphoReso-Net 表现出色，平均准确率为 0.789，AUC 为 0.836，灵敏度为 0.784，特异性为 0.797。GRAD-CAM 为模型决策提供可视化解释，有助于识别与 LNM 预测相关的关键区域。本研究引入新型深度学习框架 LymphoReso-Net 用于预测 ESCC 患者的 LNM，该模型的准确性和可解释性为了解淋巴扩散模式提供了有价值的见解，有助于做出更明智的治疗决策。