基于当前和之前的CT扫描,对偶然检测到的肺亚固体结节进行有效的恶性病症预测模型
Shaolei Li1, Mailin Chen2, Yaqi Wang1
1Department of Thoracic Surgery II, Key Laboratory of Carcinogenesis and Translational Research (Ministry of Education), Peking University Cancer Hospital and Institute, Beijing, China.
Clinical lung cancer
|August 18, 2023
概括
一个新的决策树模型使用放射学和时间变化准确地预测肺亚固体结节恶性瘤. 这种工具有助于临床医生对这些具有挑战性的肺结节进行诊断和后续策略.
科学领域:
- 肺部医学 肺部医学
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 诊断和管理肺部亚固体结节是困难的,因为它们的生长速度缓慢和各种特征.
- 准确预测恶性瘤对于适当的患者管理至关重要.
研究的目的:
- 开发和验证基于决策树的模型,用于预测肺部亚固体结节的恶性瘤.
- 将放射学特征及其时间变化整合到预测模型中.
主要方法:
- 在训练中使用了2947个亚固体结节的数据集,以及来自门诊扫描 (280个结节) 和国家肺癌查试验 (NLST) (5171个结节) 的独立测试集.
- 一个计算机辅助诊断系统提取了28个放射性特征;在扫描之间计算了特征变化率.
- 使用5倍交叉验证构建和优化了XGBoost分类模型.
主要成果:
- 使用放射学特征及其变化率的组合模型实现了高预测性能.
- 曲线下的面积 (AUC) 在门诊试验组中为0.977,在NLST试验组中为0.955.
- 该模型在不同尺寸,固体组件和CT扫描间隔的结节中显示出一致的性能.
结论:
- 开发的决策树模型显示了预测肺亚固结核恶性瘤的强大潜力.
- 这种模型可以提高诊断的准确性,并为临床医生提供后续策略.
- 整合放射学和时间分析为亚固体结节评估提供了一个有希望的方法.
