机器学习放射学用于预测神经母细胞瘤的骨髓转移,使用磁共振成像
Lin Lv1,2, Zhengtao Zhang3, Dongbo Zhang4
1Department of Urology Surgery SunYat-Sen Memorial Hospital Guangzhou Guangdong China.
Cancer innovation
|December 13, 2023
概括
放射学精确检测神经母细胞瘤骨髓转移,为患者的随访提供一种非侵入性的替代方案. 机器学习模型,特别是随机森林,在识别这些转移方面表现出很高的表现.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 神经母细胞瘤是一种具有显著异质性和骨髓转移率高的儿科癌症.
- 目前对转移的随访方法通常是侵入性的,涉及辐射,或是昂贵的.
- 需要经济,非侵入性成像技术来监测神经母细胞瘤的进展.
研究的目的:
- 研究使用磁共振成像 (MRI) 检测神经母细胞瘤骨髓转移的放射学分析的有效性.
- 开发和评估用于预测骨髓干扰的机器学习模型.
主要方法:
- 从182名神经母细胞瘤患者的MRI数据的回顾性收集.
- 提取和选择572个放射学特征,确定了41个重要的特征.
- 开发和比较13个机器学习算法,专注于表现最好的三种算法.
主要成果:
- 随机森林 (RF),极端梯度增强和自适应增强是预测骨髓转移的前三种模型.
- 射频模型在训练组中实现了0.90的曲线下面面积 (AUC),在验证组中达到0.82.
- 在RF模型中观察到高性能指标,包括F1得分,灵敏度和负预测值.
结论:
- 放射学模型显示出在骨髓中诊断转移性神经母细胞瘤的巨大潜力.
- 这些模型可能提供一种革命性的,非侵入性的方法来取代传统的诊断方法.
- 这些发现支持将放射学纳入神经母细胞瘤患者个性化医疗保健策略.
