一个基于机器学习的放射学模型,用于预测胃癌中的瘤突变负担
Tingting Ma1,2,3,4,5, Yuwei Zhang2,3,4,5, Mengran Zhao1,2,3,4,5
1Department of Radiology, Tianjin Cancer Hospital Airport Hospital, Tianjin, China.
Frontiers in genetics
|November 29, 2023
概括
机器学习放射学模型可以预测胃癌中的瘤突变负担. 这种方法为患者分层和治疗选择提供了一个有希望的非侵入性生物标志物.
科学领域:
- 无线电学 (Radiomics) 是一种辐射学.
- 机器学习 机器学习
- 在瘤学瘤学.
背景情况:
- 胃癌 (GC) 是一个重大的全球健康挑战.
- 瘤突变负担 (TMB) 是预测免疫治疗反应的关键生物标志物.
- 准确的TMB预测对于GC个性化治疗策略至关重要.
研究的目的:
- 开发和验证基于机器学习 (ML) 的放射学模型 (RM),用于预测胃癌 (GC) 中的瘤突变负担 (TMB).
- 评估放射学模型与TMB状态和水平的预测性能和相关性.
主要方法:
- 从256名GC患者的对比度增强CT (CECT) 图像的回顾性分析.
- 提取了3390个放射学特征,然后使用LASSO进行特征选择.
- 开发一个ML分类器 (逻辑回归) 和使用ROC分析和斯皮尔曼相关性进行评估.
主要成果:
- 放射学模型表现出强大的TMB状态的预测能力,AUC为0.89 (训练) 和0.86 (验证).
- 在放射学模型和TMB水平之间发现了显著的正相关性 (相关系数:0.62,p < 0.001).
- 该模型在不同的TMB截止值中保持了稳定的预测准确性.
结论:
- 基于ML的放射学提供了一个有希望的,非侵入性成像生物标志物,用于预测GC患者的TMB.
- 这种方法有可能有助于患者分层,并指导治疗决策.
