基于磁共振成像的p53突变状态的预测直肠癌患者基于磁共振成像的nomogram:机器学习的研究
Xia Zhong1, Jiaxuan Peng2, Zhenyu Shu3
1The First Clinical Medical College, Zhejiang Chinese Medical University, Hangzhou, Zhejiang, China.
概括
这项研究开发了一种机器学习的放射学诺米克图,用于预测直肠癌患者的p53基因状态. 诺米图准确地预测瘤蛋白p53基因状态,有助于手术前诊断.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 遗传学 是一个遗传学.
背景情况:
- 结直肠癌的诊断和治疗是复杂的.
- 准确预测瘤蛋白p53基因状态对于指导治疗决策至关重要.
- 目前用于评估p53状态的方法可能无法完全优化用于术前规划.
研究的目的:
- 构建和验证基于磁共振成像 (MRI) 的放射学名图.
- 在使用机器学习的直肠癌患者中预测瘤蛋白p53基因状态.
- 为了增强手术前的基于分子的病理诊断.
主要方法:
- 利用了300名直肠癌患者的临床和成像数据.
- 从T2加权的MRI图像中提取了放射性特征.
- 采用缩小维度和多变量后勤回归来构建一个预测性名ogram.
- 使用接收器操作特征 (ROC) 曲线验证了名图的准确性.
主要成果:
- 在训练 (0.86) 和验证 (0.847) 队列中,放射学名图显示出高的诊断效率.
- 在预测p53基因状况方面,该名录获得了良好的灵敏度 (0.758训练,0.869验证) 和特异性 (0.833训练,0.75验证).
- 仅仅放射学模型就显示了0.828和0.795.5的诊断疗效.
结论:
- 开发的放射性基因组图是有效的预测p53基因状态在直肠癌.
- 这种工具有助于进行手术前的基于分子的病理诊断.
- 基于机器学习的放射学为对瘤遗传学的非侵入性评估提供了一个有希望的方法.
