在新辅助化学放射治疗后,MR放射学预测食道状细胞癌的病理完整反应:一项多中心研究

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 机器学习 机器学习
• 医疗成像医学成像

背景情况:

• 在可切除食道平细胞癌 (ESCC) 患者中,超过40%的患者在接受新辅助化疗或放射治疗 (nCRT) 后获得了病理完整反应 (pCR).
• 实现pCR的患者有良好的预后,可能是器官保存策略的候选人.
• 准确预测pCR对于优化治疗和患者管理至关重要.

研究的目的:

• 开发和验证使用MR放射学的机器学习模型.
• 准确预测新辅助化学放射治疗 (nCRT) 后ESCC患者的病理完整反应 (pCR).
• 根据预测的pCR.识别可能受益于器官保存策略的患者.

主要方法:

• 追溯性多中心研究,涉及155名ESCC患者 (82名培训,73名测试).
• 纳入标准:基线MR (T2加权成像),nCRT和手术.
• 机器学习算法应用于临床因素和MR放射学,用于PCR预测;使用AUC和切断分析评估模型性能.

主要成果:

• 基于两个特征的MR放射学模型实现了高预测性能.
• 曲线下的面积 (AUC) 值为0.968 (训练组) 和0.885 (测试组).
• 在测试组中,该模型显示了82.2%的精度,75.0%的灵敏度和85.7%的特异性.

结论:

• 一个结合MR放射学的机器学习模型有效地预测ESCC患者在nCRT后的pCR.
• 经过验证的模型在培训和独立测试数据集中表现强.
• 这个工具可以帮助个性化治疗策略和ESCC患者的器官保存.