使用放射性特征预测IB-III期非小细胞肺癌患者对新辅助或转化化疗的病理反应
Nong Yang1,2, Hai-Lin Yue1, Bai-Hua Zhang3
1Hunan Provincial Key Lab on Bioinformatics, School of Computer Science and Engineering, Central South University, Changsha, China.
Thoracic cancer
|August 19, 2023
概括
一个新的放射学模型,NACIP,准确地预测化学免疫治疗后非小细胞肺癌 (NSCLC) 患者的病理完整反应 (pCR). 该工具有助于对NSCLC的早期治疗评估.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 非小细胞肺癌 (NSCLC) 的治疗通常涉及新辅助或转化化疗 (CIT).
- 预测病理完整反应 (pCR) 对于治疗疗效评估至关重要.
- 当前的预测方法在早期可能缺乏精度.
研究的目的:
- 开发和验证使用胸部计算机断层扫描 (CT) 进行放射学模型,用于预测接受新辅助/转化CIT的NSCLC患者的pCR.
- 评估基于处理前和后放射性特征的模型的预测性能.
主要方法:
- 对110名用新辅助剂/转化CIT治疗的NSCLC患者 (IB-III阶段) 的回顾性分析.
- 使用最小绝对收缩和选择运算符 (LASSO) 进行特征选择.
- 开发了三个模型:CIT前的放射学,CIT后的放射学,以及一个组合模型 (NACIP).
主要成果:
- 综合的NACIP模型显示出优异的预测性能.
- 在验证组中,NACIP实现了AUC为0.85,准确率为81%,特异性为81%,灵敏度为83%.
- 模型2 (CIT后特征) 的AUC为0.81,超过模型1 (CIT前特征) 的AUC为0.65.
结论:
- NACIP模型显示,在接受新辅助剂/转化CIT的NSCLC患者中,对pCR的早期预测具有显著的潜力.
- 胸部CT的放射学分析可以为治疗反应提供宝贵的见解.
- 这种预测模型可以帮助临床医生定制治疗策略.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.9K
