Cancer Res丨中山大学王玮等团队开发多任务深度学习模型CTSMamba以准确识别新辅助化疗后的淋巴结转移状态

本研究针对局部晚期胃癌患者在新辅助化疗后淋巴结转移状态和生存状态的评估难题，开发了一种名为CTSMamba的多任务深度学习模型。研究背景指出，现有评估方法准确性有限，而CTSMamba通过整合1,021例患者的纵向CT影像数据，显著提升了预测性能。研究目的是开发一个能够同时预测淋巴结转移和总体生存的模型，以优化临床决策和预后评估。研究结果表明，CTSMamba在所有验证队列中均优于传统临床模型，且结合临床预测因子后进一步提高了生存预测的准确性。该模型有望成为临床医生进行个体化治疗决策和预后评估的重要工具。