Development and validation of the risk stratification based on deep learning and radiomics to predict survival of advanced cervical cancer
8.0
来源：
Nature
关键字：
medical imaging+deep learning
发布时间：
2025-11-21 23:39
摘要：
本研究开发了一种基于深度学习的风险分层模型，旨在预测晚期宫颈癌患者的生存率。通过对396名患者的CT图像进行分析，构建了一个整合临床变量的预后模型。该模型在训练和验证队列中表现出良好的预测能力，C-index分别为0.784和0.726，显示出其在临床决策中的潜在应用价值。研究结果表明，深度学习和放射组学的结合能够有效提高生存预测的准确性，为个性化治疗提供支持。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+核心领域符合度
business_impact
1.0分+商业影响力
scientific_rigor
1.5分+有具体实验数据
timeliness_innovation
1.5分+重大创新
investment_perspective
2.5分+早期研发
market_value_relevance
1.0分+市场价值相关性
team_institution_background
0.5分+团队背景良好
technical_barrier_competition
0.5分+技术壁垒一般
关键证据
研究开发了一种基于深度学习的风险分层模型，用于预测晚期宫颈癌患者的生存率。
模型的C-index在训练和验证队列中分别为0.784和0.726，显示出良好的预测能力。
该模型结合了临床变量和深度学习提取的特征，具有较高的临床应用潜力。
真实性检查
否
AI评分总结
本研究开发了一种基于深度学习的风险分层模型，旨在预测晚期宫颈癌患者的生存率。通过对396名患者的CT图像进行分析，构建了一个整合临床变量的预后模型。该模型在训练和验证队列中表现出良好的预测能力，C-index分别为0.784和0.726，显示出其在临床决策中的潜在应用价值。研究结果表明，深度学习和放射组学的结合能够有效提高生存预测的准确性，为个性化治疗提供支持。