相关实验视频
Updated: Jul 14, 2025
Use of MRI-ultrasound Fusion to Achieve Targeted Prostate Biopsy
Published on: April 9, 2019
基于Rulefit的预后分析,使用结构化MRI报告来选择晚期鼻癌诱导化疗的潜在受益者:双中心研究
Shuqi Li1, Weijing Zhang1, Baodan Liang1
1Department of Radiology, Sun Yat-sen University Cancer Center, State Key Laboratory of Oncology in South China, Guangdong Key Laboratory of Nasopharyngeal Carcinoma Diagnosis and Therapy, Guangdong Provincial Clinical Research Center for Cancer, Collaborative Innovation Center for Cancer Medicine, No. 651 Dongfeng Road East, Guangzhou, Guangdong 510060, China.
一个新的Rulefit模型有效地整合了用于鼻癌 (NPC) 预后的结构化MRI数据. 这种先进的模型改善了风险分层,并指导了高级NPC患者个性化诱导化疗 (IC) 决策.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 结构化的MRI报告有助于鼻癌 (NPC) 预后,但内在变量协会未得到充分利用.
- 先进的NPC预测模型需要改进功能集成以获得更好的准确性.
研究的目的:
- 研究一种基于Rulefit的模型,用于整合结构化MRI数据.
- 评估其在高级NPC的预后预测中的表现.
主要方法:
- 在培训,内部和外部队列中对1207名先进的NPC患者进行了回顾性分析.
- 将Rulefit与多变量分析,深度学习和拉索模型进行总体生存 (OS) 预测的比较.
- 评估诱导化疗 (IC) 的生存益处,并创建一个生存可视化网站.
主要成果:
- 基于Rulefit的模型实现了强大的预测性能,在外部测试队列中C指数为0.711.
- 它从结构化变量中确定了六个预测规则,其表现优于基本模型.
- 该模型根据风险对患者进行了分层分类,揭示了高风险组中OS的显著差异和IC的益处.
结论:
- 基于Rulefit的模型有效地揭示了高级NPC结构化MRI数据中的内在关联.
- 它显示了准确风险分层和指导个性化IC治疗策略的前景.
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
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024