为了解决鼻咽癌复发检测难题，中山大学的研究人员提出了一种基于核磁共振成像（MRI）的深度学习辅助鼻咽癌复发检测策略（DARNDEST），为鼻咽癌复发检测和随访管理开辟了新路径，具有重要的临床意义和应用前景。相关研究成果于2025年3月24日发表在《癌症影像学》期刊上。

首先，研究人员从中山大学肿瘤防治中心、佛山市第一人民医院和广州医科大学附属肿瘤医院收集了大量患者数据，构建样本队列。然后，研究人员基于3D DenseNet或ResNet框架，利用独特序列（T1WI、T2WI或T1WIC）或其组合图像进行模型开发。随后，研究人员通过调整模型参数、数据增强等操作优化模型。最后，研究人员运用多种评价指标和统计方法评估模型性能并进行成本分析。

研究发现，使用深度学习的未增强MRI检测局部复发性鼻咽癌是可行的，并且DARNDEST驱动的随访管理既高效又经济。

信息来源：

https://link.springer.com/article/10.1186/s40644-025-00853-5

https://www.ebiotrade.com/newsf/2025-3/20250325053621441.htm