多参数MRI放射学可改善子宫内膜癌患者的局部分期手术前诊断性能
Ruqi Fang1,2,3, Na Lin1, Shuping Weng2,3
1Department of Radiology, The First Affiliated Hospital of Fujian Medical University, 20 Cha-Zhong Road, Fuzhou, 350005, Fujian, People's Republic of China.
Abdominal radiology (New York)
|January 8, 2024
概括
多参数MRI放射学和机器学习显著改善了子宫内膜癌 (EC) 的手术前局部分期. 结合放射性特征的新型诺米图增强了深层肌肉和宫 stromal 侵袭的诊断准确性.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 精确的手术前局部分期对于有效的子宫内膜癌 (EC) 管理至关重要.
- 传统的MRI在精确评估瘤入侵程度方面存在局限性.
研究的目的:
- 评估基于放射学的多参数MRI机器学习的有效性,以改善子宫内膜癌的手术前局部分期.
- 将基于放射学模型的诊断性能与传统的MRI解释进行比较.
主要方法:
- 对198名经组织学确认的EC患者进行了回顾性分析,这些患者接受了手术前的MRI.
- 从多参数MRI图像中提取和分析放射性特征,以预测深度肌肉膜入侵 (DMI) 和宫层入侵 (CSI).
- 开发一种结合放射性信号和常规MRI发现的名图,通过AUC和DeLong的测试来评估性能.
主要成果:
- 与常规MRI相比,名图在训练和测试组中检测DMI和CSI方面表现优越 (AUC从0.869到0.937).
- 传统的MRI实现了DMI和CSI检测的AUC在0.799和0.858之间.
- 对于大多数入侵评估,组合模型显示了统计学上显著的改善 (调整后p < 0.05).
结论:
- 整合放射学特征与常规MRI的诺姆图显著提高了子宫内膜癌手术前局部分期的准确性.
- 这种人工智能驱动的方法为更精确的EC分期提供了一个有希望的工具,可能会影响治疗决策.
