基于MRI的机器学习放射学可以预测宫支状细胞癌患者新辅助化疗的短期反应:一项多中心研究
Zhonghong Xin1, Wanying Yan2, Yibo Feng2
1Department of Radiology, The First Hospital of Lanzhou University, Lanzhou, China.
Cancer medicine
|September 29, 2023
概括
这项研究开发了一种机器学习放射学模型,使用MRI来预测宫支状细胞癌 (CSCC) 患者的新辅助化疗 (NACT) 反应. 该模型的准确性很高,有助于为CSCC提供个性化治疗策略.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗成像医学成像
背景情况:
- 新辅助化疗 (NACT) 对于宫支状细胞癌 (CSCC) 治疗至关重要.
- 患者对NACT的反应因个体差异而有所不同.
- 预测NACT敏感性对于CSCC个性化化疗至关重要.
研究的目的:
- 开发一个机器学习的放射学模型,使用MRI.
- 评估模型在预测CSCC患者中NACT易感性的有效性.
主要方法:
- 包括234名CSCC患者 (培训,测试,外部验证集).
- 从MRI图像中提取了放射性特征.
- 使用递归特征消除 (RFE) 来进行特征选择.
- 使用后勤回归,随机森林和SVM生成预测模型.
- 使用AUC,精度和灵敏度评估模型性能.
主要成果:
- 在SVM模型中,表现最好.
- 在测试组中:AUC=0.88,精度=0.90,灵敏度=0.93.
- 在外部验证组中:AUC=0.764,精度=0.853,灵敏度=0.962.
结论:
- 基于MRI的机器学习放射学模型对于预测CSCC中NACT灵敏度是有效的.
- 这些模型提供了高精度和强度.
- 对CSCC治疗和个性化医疗的重大影响.


