基于非侵入性成像的机器学习算法,用于识别接受二线全身治疗的晚期肝细胞癌的进展性疾病
1Department of Medical Oncology, Nanyang Second People's Hospital, Nanyang, China.
Scientific reports
|July 1, 2023
概括
放射性分析准确地预测了使用氨酸激酶抑制剂加抗PD-1抗体治疗晚期肝细胞癌 (HCC) 的疗效. 支持矢量机器模型显示出高预测准确度,有助于临床决策.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 无线电学 (Radiomics) 是一种放射学.
背景情况:
- 晚期肝细胞癌 (HCC) 提出了治疗挑战.
- 预测对氨酸激酶抑制剂 (TKI) 以及抗PD-1抗体的治疗反应对于二线治疗至关重要.
研究的目的:
- 用放射学来预测TKI加抗PD-1抗体 (TKI-PD-1) 在晚期HCC中的疗效.
- 开发和验证基于治疗前CT成像特征的预测模型.
主要方法:
- 从55名晚期HCC患者的治疗前CT扫描中提取了放射性特征.
- 使用类内相关系数 (ICC) 和最小绝对收缩和选择运算符 (LASSO) 进行了特征选择.
- 开发和验证了10个机器学习算法,其性能通过AUC,Kaplan-Meier和Cox回归分析进行评估.
主要成果:
- 支持矢量机 (SVM) 模型实现了最高的预测精度,AUC为0.933 (训练) 和0.792 (测试).
- 选择的放射性特征与患者的整体存活率有显著的关联.
- 在55名患者中,有18名患者 (32.7%) 患有疾病进展.
结论:
- 放射学分析,特别是使用SVM算法,可以有效地预测TKI-PD-1在高级HCC中的疗效.
- 治疗前成像特征对于预测HCC治疗结果具有重要价值.
- 这种方法可以帮助个性化的治疗策略,先进的HCC.
