基于MRI的多参数放射学模型用于预测口腔状细胞癌中人类乳头瘤病毒的状态:使用过量采样和机器学习技术进行优化
Yongsik Sim1, Minjae Kim2, Jinna Kim1
1Department of Radiology, Research Institute of Radiological Science, Center for Clinical Imaging Data Science, Yonsei University College of Medicine, Seoul, South Korea.
European radiology
|October 17, 2023
概括
一种使用显微扩散系数 (ADC) MRI 序列的先进放射学模型有效地预测了口腔状细胞癌 (OPSCC) 中的人类乳头瘤病毒 (HPV) 状态. 这种模型是通过随机过量抽样和脊技术进行优化,它在临床应用中表现出强大的诊断性能.
科学领域:
- 无线电学 (Radiomics) 是一种无线电学.
- 医疗成像医学成像
- 在瘤学瘤学.
背景情况:
- 口腔状细胞癌 (OPSCC) 的治疗和预后受到人类乳头瘤病毒 (HPV) 状态的显著影响.
- 准确的HPV状态预测对于OPSCC的个性化治疗策略至关重要.
- 基于多参数MRI的放射学为瘤表征提供了一种非侵入性的方法.
研究的目的:
- 开发和验证基于MRI的多参数放射学模型,用于预测OPSCC中的HPV状态.
- 使用先进的过量采样和机器学习技术来优化模型.
- 评估开发的放射学模型的通用性和临床适用性.
主要方法:
- 这是一项回顾性多中心研究,涉及154名OPSCC患者 (110名培训,44名验证).
- 从T2WI,CE-T1WI和ADCMRI序列中提取293个放射性特征.
- 评估特征选择,过量采样和机器学习技术以优化诊断性能,并使用AUC进行外部验证.
主要成果:
- 在ADC放射学模型与随机过量抽样和回归相结合,在外部验证集中实现了最高的诊断性能 (AUC,0.791).
- 该ADC模型的表现优于使用CE-T1WI (AUC,0.604),T2WI (AUC,0.695) 和组合序列 (AUC,0.642) 的模型.
- 采用过量采样技术来解决HPV阳性和HPV阴性OPSCC病例之间的数据不平衡.
结论:
- 通过随机过量抽样和峰优化的ADC放射学模型,在预测OPSCC中的HPV状况方面表现出高的诊断性能.
- 该ADC放射学模型显示了概括性和临床应用的潜力.
- 该研究强调了探索各种过量采样和机器学习技术以优化放射学模型的价值.
