开发和验证一个结合的诺姆图,用于通过基于计算机断层扫描的放射学来预测直肠癌中围神经侵袭状态
Jiaxuan Liu1, Lingling Sun1, Xiang Zhao2
1Department of Radiology, The Fourth Affiliated Hospital of China Medical University, Liaoning, China.
Journal of cancer research and therapeutics
|December 29, 2023
概括
一个新的临床放射学名图有效地预测了使用CT扫描在直肠癌中的术前围神经侵入. 这种组合模型与单独的临床或放射性特征相比,显示出更高的准确性.
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:
- 周围神经侵入 (PNI) 是直肠癌 (RC) 的关键预后因素.
- 准确的手术前预测PNI对于治疗规划和改善患者结果至关重要.
研究的目的:
- 开发和验证一种临床放射学诺米克图,用于预测RC患者的手术前PNI.
- 用CT衍生放射性特征评估机器学习模型的诊断性能.
主要方法:
- 303名RC患者接受了CT成像; 3,296个放射性特征被提取.
- 训练和评估了五种机器学习模型;选择了表现最佳的模型.
- 构建了一个结合了临床和放射性签名的融合名录.
主要成果:
- 多层感知器 (MLP) 模型在测试的机器学习算法中显示出最高的效率.
- 结合的临床-放射学名图实现了卓越的预测性能.
- 诺米图表在0.883 (训练) 和0.889 (测试) 的曲线 (AUC) 下产生了较高的面积,单独超过了临床和放射性模型.
结论:
- 使用增强的CT图像进行的临床放射学名图 (clinical-radiomics nomogram) 提供了一种有效的方法,用于预测直肠癌中的PNI状态.
- 这种综合方法提高了RC中手术前PNI评估的准确性.
