基于增强CT放射性特征的共识聚类分析:食道状细胞癌患者的3年无进展生存率

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 数据科学数据科学数据科学

背景情况:

• 食道状细胞癌 (ESC) 在风险分层和预后预测方面提出了重大挑战.
• 目前的方法可能无法完全捕捉ESC的异质性,影响治疗策略.
• 放射学,即对成像特征的定量提取,为分析瘤特征提供了一种新的方法.

研究的目的:

• 评估共识聚类分析的有效性,使用CT放射学来评估ESC患者的风险分层.
• 确定基于CT放射学集群预测术后无进展生存 (PFS) 的能力.
• 探索已识别的集群,基因表达和组织病理特征之间的关联.

主要方法:

• 对546名ESC患者进行了术前增强型CT扫描的回顾性分析.
• 从CT图像中提取放射性特征,然后进行共识聚类以组患者.
• 统计分析包括Kruskal-Wallis,奇方形/费舍尔精确测试,以及PFS和特征关联的日志等级测试.

主要成果:

• 根据放射学特征确定了四个不同的患者群 (1-4).
• 在基因表达 (BRCA1,PD-1),血管入侵和晚期瘤阶段 (T3-4) 中观察到显著的差异.
• 卡普兰-梅尔分析显示,集群之间PFS的显著差异,其中集群1具有最好的和集群2最差的预后.

结论:

• 对CT放射学特征的共识聚类有效地对ESC患者进行了分层.
• 这种方法揭示了放射学,组织病理学和患者预后之间的关联.
• 研究结果支持使用CT放射学来改善ESC的预后评估.