基于人工智能的放射学模型的开发和验证,使用计算机断层扫描特征用于胃肠道筋瘤的手术前风险分层

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 术前风险评估对于个性化治疗胃肠道 stromal 瘤 (GISTs) 是至关重要的.
• 从医学成像中获得的放射学特征显示出预测GIST风险的潜力.
• 准确的GIST预后确定对于最佳的患者管理至关重要.

研究的目的:

• 开发和验证人工智能 (AI) 分类算法.
• 利用CT特征来预测基于Miettinen分类的GIST预后.
• 为了提高GIST患者的手术前风险分层.

主要方法:

• 具有组织学GIST诊断和CT扫描的患者的回顾性招募.
• 提取了8个形态和30个纹理CT特征.
• 使用机器学习 (WEKA) 开发形态,纹理和联合放射学模型.

主要成果:

• 结合的AI放射学模型在验证人群中实现了高性能 (AUC 0.954).
• 组合模型的特定性能指标:灵敏度为85.7%,特异性为90.9%,精度为88.8%.
• 与组合模型相比,仅形态和纹理模型的预测性能较低.

结论:

• 使用CT特征的基于AI的放射学模型展示了强大的预测性能.
• 这种方法为GISTs的手术前风险分层提供了一个有价值的工具.
• 这些发现支持在个性化GIST治疗计划中使用AI.