基于CT的三角放射学预测了新辅助免疫化学疗法和手术治疗ESCC患者的病理完整反应

科学领域:

• 放射学和机器学习在瘤学中的应用
• 医学成像分析 医学成像分析
• 计算病理学计算病理学

背景情况:

• 预测新辅助免疫化疗在食道癌 (EC) 的疗效对于避免不必要的手术和优化治疗至关重要.
• 目前的预测方法缺乏足够的准确性,需要先进的分析方法.

研究的目的:

• 评估基于CT图像的三角放射学特征的机器学习模型,用于预测食道状细胞癌 (ESCC) 中新辅助免疫化学疗法的疗效.
• 为了比较使用三角形特征的模型与仅使用治疗后CT图像的模型的预测性能.

主要方法:

• 包括95名ESCC患者,CT图像采集在新辅助免疫化学疗法前后.
• 从治疗前和治疗后的图像中提取了放射性特征;通过减去治疗前和治疗后的特征来计算三角形特征.
• 机器学习模型是使用选定的放射学特征来开发的,其性能是使用ROC曲线和决策曲线分析来评估的.

主要成果:

• 德尔塔组的放射学特征包括8个特征,而治疗后组有6个特征.
• 德尔塔组中表现最好的模型实现了0.848的AUC,与治疗后组的0.824相比.
• 使用三角形特征的机器学习模型表现出比仅使用后处理特征的模型更好的预测性能.

结论:

• 结合三角洲放射学特征的机器学习模型显示,在ESCC中新辅助免疫化学疗法反应的高预测效率.
• 这些模型为临床决策提供了宝贵的参考,可能改善治疗策略.
• 三角形成像功能为预测建模提供了比单个时间阶段成像更强大的基础.