Mejorar el pronóstico del cáncer con modelos de penalización grupal: un estudio comparativo sobre la selección de...

Área de la Ciencia:

• Análisis de imágenes médicas análisis de imágenes médicas.
• La radiomía es la radiomía.
• El pronóstico del cáncer.

Sus antecedentes:

• La radiómica extrae características cuantitativas de las imágenes médicas para el pronóstico del cáncer.
• Los datos radiómicos de alta dimensión presentan desafíos en la selección de características y la estabilidad del modelo.
• La regresión tradicional de Lasso puede conducir a una selección inestable de características entre características correlacionadas.

Objetivo del estudio:

• Para comparar el rendimiento de los modelos de penalización de grupo contra Lasso para la selección de características radiómicas en el pronóstico del cáncer.
• Para evaluar la estabilidad y la precisión predictiva de diferentes métodos de penalización de grupo.

Principales métodos:

• Análisis de 590 casos de adenocarcinoma pulmonar y 194 casos de meningioma.
• Aplicación de varios modelos de penalización de grupo (grupo Lasso, grupo MCP, grupo SCAD, graper) junto con Lasso.
• Características agrupadas por regiones de segmentación y propiedades matemáticas.
• Validación cruzada de 10 veces y validación independiente del conjunto de ensayos utilizando AUC e índice Jaccard para la evaluación del rendimiento y la estabilidad.

Principales resultados:

• El grupo SCAD mostró mayor AUC de validación cruzada (0,804) e índice de Jaccard (0,613) para el adenocarcinoma pulmonar en comparación con Lasso.
• El grupo Lasso logró una mayor AUC de validación cruzada (0,816) e índice Jaccard (0,7) para la predicción del meningioma en comparación con Lasso.
• La validación del conjunto de pruebas mostró un rendimiento predictivo comparable entre los modelos de grupo y Lasso para ambos conjuntos de datos.

Conclusiones:

• Los modelos de penalización de grupo ofrecen una estabilidad de selección de características superior en radiómica en comparación con Lasso.
• Estos modelos mejoran la interpretabilidad mediante la selección de grupos de características biológicamente significativas.
• Los modelos de penalización grupal proporcionan un marco sólido para el pronóstico del cáncer basado en radiómica estable e interpretable.