基于放射学的机器学习来预测肝细胞癌的复发:系统性审查和元分析
Jin Jin1, Ying Jiang1, Yu-Lan Zhao1
1Department of Ultrasound in Medicine, The Second Affiliated Hospital of Zhejiang University School of Medicine, Hangzhou, P.R. China (J.J., Y.J., Y.-L.Z., P.-L.H.).
Academic radiology
|October 22, 2023
概括
放射学模型在预测肝细胞癌 (HCC) 复发方面表现有希望,其表现优于临床模型. 将放射学与临床特征相结合,进一步提高了各种成像技术的预测准确性.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗信息学 医疗信息学
背景情况:
- 肝细胞癌 (HCC) 的复发在患者管理中构成了重大挑战.
- 准确预测HCC复发对于定制治疗策略和改善患者治疗结果至关重要.
- 放射学模型已经成为预测HCC复发的潜在工具.
研究的目的:
- 评估放射学模型对HCC复发的预测作用.
- 评估现有放射学研究的方法质量.
- 为了比较不同成像模式的放射学,临床和组合模型的性能.
主要方法:
- 在主要数据库 (科克兰图书馆,科学网,PubMed,Embase) 进行了系统的文献搜索,截至2023年7月11日.
- 包含的研究的方法质量使用Radiomics质量评分 (RQS) 进行评估.
- 用对照指数 (C指数) 测量预测性表现,对CT,MRI,US和CEUS的放射学,临床和组合模型的灵敏度和特异性.
主要成果:
- 与临床模型相比,放射学模型在CT (C-index=0.747),MRI (C-index=0.788),CEUS (C-index=0.763) 中表现出优异的预测性能,超声波除外 (C-index=0.560).
- 综合放射学和临床特征的组合模型通常优于单个模型,特别是CT (C指数=0.790) 和MRI (C指数=0.826).
- 超声波组合模型也表现出强的表现 (C指数=0.760),尽管基于CEUS的组合模型具有更宽的置信区间.
结论:
- 放射学模型具有预测HCC复发的巨大潜力,在与各种成像方式的临床特征相结合时,提供了增强的预测价值.
- 放射学与临床数据的整合显示出一种有希望的方法,可以提高HCC复发预测的准确性.
- 进一步的研究是有必要的,以优化放射学方法和验证在更大的,多中心研究中发现的结果.
