强大的放射性签名的外部验证,以预测非小细胞肺癌的2年整体存活率
Ashish Kumar Jha1,2,3, Umeshkumar B Sherkhane4,5, Sneha Mthun4,5,6
1Department of Radiation Oncology (MAASTRO), GROW School for Oncology and Developmental Biology, Maastricht University Medical Center, Maastricht, The Netherlands. a.jha@maastrichtuniversity.nl.
Journal of digital imaging
|September 22, 2023
概括
强大的放射性特征显示出预测非小细胞肺癌 (NSCLC) 2 年生存率的前景. 这项研究开发并验证了模型,随机森林分类器在肺癌预后的内部和外部验证中显示出最高的准确性.
科学领域:
- 放射学和成像学 放射学和成像学
- 在瘤学瘤学.
- 数据科学在医学中的数据科学
背景情况:
- 肺癌是全球主要的死亡原因之一.
- 放射学为预测肺癌的临床结果提供了潜力.
- 功能稳定性是临床放射学实施的关键挑战.
研究的目的:
- 开发和验证强大的放射性特征,以预测非小细胞肺癌 (NSCLC) 的2年总生存率.
- 在预测模型开发中解决放射性特征强度的挑战.
主要方法:
- 与300名NSCLC患者进行的回顾性研究 (200个内部,100个来自TCIA的外部验证).
- 从CT图像中提取的放射性特征;通过等级聚类,Chi-squared测试和RFE进行特征选择.
- 六个预测模型 (随机森林,梯度提升,支持矢量) 开发并通过交叉验证,内部和外部验证进行验证.
主要成果:
- 使用多步骤方法选择了前10个强大的放射性特征.
- 随机森林模型获得了最高的准确性:0.81 (原始数据) 和0.77 (平衡数据) 在内部验证.
- 外部验证显示,随机森林模型的准确性为0.68,表明有希望的概括性.
结论:
- 强大的放射性特征表明,在NSCLC患者中预测2年总生存率具有显著的潜力.
- 开发的放射性特征,特别是来自随机森林模型的放射性特征,为肺癌预后提供了有前途的工具.
- 需要进一步验证,以充分将这些放射性方法纳入肺癌管理的临床实践.
