基于计算机断层扫描的放射学签名用于预测儿科神经母细胞瘤中1p36和11q23的细分染色体异常

科学领域:

• 放射学和瘤学 放射学和瘤学
• 医学成像分析 医学成像分析
• 在瘤学中的基因组学.

背景情况:

• 神经母细胞瘤是一种儿科癌症,通常以细分染色体异常 (SCAs) 为特征.
• 在1p36和11q23时准确预测SCAs对于神经母细胞瘤的预后和治疗至关重要.
• 需要非侵入性成像生物标志物来补充基因检测.

研究的目的:

• 使用计算机断层扫描 (CT) 成像开发和验证放射学签名,用于预测神经母细胞瘤中1p36和11q23处的SCAs状态.
• 评估开发的放射学签名的预测精度和准确性.

主要方法:

• 从87名神经母细胞瘤患者的三相CT扫描中提取了放射性特征.
• 一个最小绝对收缩和选择操作员 (LASSO) 回归模型选择了最佳特征以创建放射学分数.
• 使用接收器操作特征 (ROC) 曲线和精度指标验证了放射学签名.

主要成果:

• 开发了一个包含八个特征的放射学签名,显著区分了SCAs和非SCAs群体.
• 该签名实现了高预测性能,在训练组中曲线下的面积 (AUC) 为0.869,在测试组中为0.883.
• 放射学签名显示准确度为0.817 (训练) 和0.778 (测试),并且校准得很好.

结论:

• 基于CT的放射学特征显示了在神经母细胞瘤中预测1p36和11q23的SCAs的显著潜力.
• 这种非侵入性方法可以帮助神经母细胞瘤患者的风险分层和治疗计划.
• 需要在更大的队列中进一步验证,以确认其临床实用性.