基于多模式MRI的放射学机器学习模型的应用与不同的序列组合在预测宫淋巴结转移在口舌状细胞癌患者的宫淋巴结转移
Sheng Liu1, Aihua Zhang1, Jianjun Xiong1
1Department of Oromaxillofacial-Head and Neck Surgery, Department of Oral and Maxillofacial Surgery, School and Hospital of Stomatology, China Medical University, Liaoning Provincial Key Laboratory of Oral Diseases, Shenyang, China.
Head & neck
|December 18, 2023
概括
使用对比增强MRI (CE-MRI) 的放射学机器学习模型准确地预测了在口腔舌状细胞癌 (OTSCC) 中的宫淋巴结转移 (CLNM) 风险. 最好的模型结合了T1WI,FS-T2WI,T2WI和CE-MRI序列.
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:
- 口腔舌状细胞癌 (OTSCC) 是一种常见的头癌.
- 宫淋巴结转移 (CLNM) 是OTSCC的关键预后因素.
- 准确预测CLNM对于最佳的治疗计划至关重要.
研究的目的:
- 评估放射学机器学习模型在OTSCC中预测CLNM的性能.
- 为了比较使用不同组合的MRI序列的模型的预测准确度.
主要方法:
- 分析了400名OTSCC患者的情况.
- 从多模式MRI序列中提取了放射特征,包括T1加权图像 (T1WI),脂肪抑制T2加权图像 (FS-T2WI),T2加权图像 (T2WI),对比度增强MRI (CE-MRI) 和明显扩散系数 (ADC) 地图.
- 机器学习模型是根据MRI序列的不同组合构建和评估的.
主要成果:
- 结合T1WI,FS-T2WI,T2WI和CE-MRI (第四组) 的模型显示出最高的预测性能,AUC为0.881和0.868.
- 包含CE-MRI的模型始终优于没有它的模型.
- T1WI,FS-T2WI,T2WI和CE-MRI的组合产生了卓越的预测能力.
结论:
- 使用CE-MRI的放射学机器学习模型在预测OTSCC患者的CLNM风险方面表现出高准确性和稳定性.
- 多模式核磁共振,特别是包括CE-MRI,提高了淋巴结转移的预测.
- 这些发现支持使用基于MRI的先进放射学来改善OTSCC中CLNM风险分层.
