基于机器学习的放射学模型用于预测乳腺癌患者的局部区域复发
Joongyo Lee1,2, Sang Kyun Yoo1, Kangpyo Kim1,3
1Department of Radiation Oncology, Heavy Ion Therapy Research Institute, Yonsei Cancer Center, Yonsei University College of Medicine, Yonsei University Health System, Seoul 03722, Republic of Korea.
Oncology letters
|September 4, 2023
概括
使用MRI数据的机器学习放射学模型可以预测乳腺癌的局部区域复发 (LRR). 与基准模型相比,堆叠模型实现了更好的预测性能 (AUC 0.78),有助于治疗规划.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 机器学习 机器学习
背景情况:
- 地区性复发 (LRR) 是乳腺癌最终治疗后的一个主要问题.
- 对LRR的预测模型对于优化患者管理和结果至关重要.
研究的目的:
- 开发和评估基于机器学习 (ML) 的放射学模型,用于预测乳腺癌患者的LRR.
- 使用手术前MRI数据,将基础ML模型的性能与整体堆叠模型进行比较.
主要方法:
- 从手术前的MRI扫描中提取了放射性特征 (T2加权和对比度增强的T1加权).
- 开发了五种ML模型:支持矢量机,随机森林,后勤回归,投票组合和堆叠组合.
- 倾向性得分匹配 (PSM) 用于平衡LRR和非LRR组之间的临床因素.
- 使用差异值和LASSO应用了特征选择.
主要成果:
- 堆叠模型实现了最高的接收器运行特征曲线 (AUC) 下面的面积为0.78.
- 基准模型显示AUC从0.61到0.70不等.
- 该研究包括28名LRR患者和86名PSM后没有LRR的患者.
结论:
- 基于ML的放射学模型,特别是堆叠模型,在预测乳腺癌患者的LRR方面表现有前途.
- 术前MRI放射学可以作为一种有价值的工具,用于识别患有复发风险较高的患者.
- 进一步的外部验证正在进行中,以确认开发的堆叠模型的通用性.
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
08:32Using Computer-based Image Analysis to Improve Quantification of Lung Metastasis in the 4T1 Breast Cancer Model
Published on: October 2, 2020
6.3K