前列腺多参数MRI可疑病变的临床基因组风险分类
Radka Stoyanova1,2, Olmo Zavala-Romero1, Deukwoo Kwon2,3
1Department of Radiation Oncology, University of Miami Miller School of Medicine, Miami, FL 33136, USA.
Cancers
|November 14, 2023
概括
使用多参数MRI (mpMRI) 的放射学模型可以在活检之前预测前列腺癌风险. 整合正常组织放射学显著提高了预测准确性,帮助临床决策.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 机器学习 机器学习
背景情况:
- 多参数MRI (mpMRI) 越来越多地用于前列腺癌的治疗.
- 目前的风险评估包括国家综合癌症网络 (NCCN) 的指导方针和基因组分类器.
- 预测低风险状态的活检前预测对于个性化管理至关重要.
研究的目的:
- 开发和评估基于放射学的模型,用于预测低风险的前列腺癌病变和活检前的患者.
- 评估损伤和正常出现的组织 (NAT) 的放射性特征的附加值.
- 将放射学与临床信息相结合,以改善风险分层.
主要方法:
- 从mpMRI (T2加权和扩散加权成像) 中提取了阳性活检区域和NAT.的放射性特征.
- 使用临床变量,病变放射学,NAT放射学或其组合构建了五种模型.
- 模型使用受体操作特征曲线 (AUC) 下的面积对78名男性的83个mpMRI检查进行了评估.
主要成果:
- 临床和基于病变的放射学模型显示出类似的性能 (AUC ~0.83-0.84).
- 放射性药物显著改善了阴性数字直肠检查 (DRE) 患者的表现.
- 包括NAT放射学在所有评估模型和患者层面分析中提高了预测准确性.
结论:
- 机器学习的放射学模型可以有效地预测切除前的前列腺癌风险.
- 整合来自病变和NAT的放射性特征可以提高预测性能.
- 这些发现支持使用放射学来加强前列腺癌管理中的临床基因组分类.
