使用基于CT放射学的机器学习模型,预测初始对药物释放珠的客观反应,用于肝细胞癌的跨导管动脉化学栓塞

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 医疗成像医学成像

背景情况:

• 肝细胞癌 (HCC) 是一种主要的肝脏恶性瘤.
• 通过药物释放珠子进行的跨动脉化学栓塞 (DEB-TACE) 是HCC的标准治疗方法.
• 预测治疗反应对于优化患者管理至关重要.

研究的目的:

• 开发和验证一种预后模型,用于预测HCC患者对初始DEB-TACE的客观反应.
• 为了比较一个集成模型 (CT放射学 + 临床放射学特征) 与独立的放射学和临床放射学模型的性能.

主要方法:

• 对108名用DEB-TACE治疗的HCC患者的回顾性分析.
• 使用后勤回归的放射学,临床放射学和综合预后模型的开发.
• 使用校准曲线,ROC曲线和决策曲线分析 (DCA) 验证模型.

主要成果:

• 对初始DEB-TACE的客观响应率为51.9%.
• 综合模型在训练 (AUC=0.860) 和验证 (AUC=0.927) 组中都显示出卓越的预测准确性.
• 综合模型在验证组中显示出与临床放射学模型相比的显著改善 (p=0.042).

结论:

• 结合CT放射学和临床放射学特征的综合模型为DEB-TACE对HCC反应提供了增强的预测效率.
• 与单个模型相比,这种综合方法为预测治疗反应提供了更好的结果.
• 综合模型显示了有利的临床实用性,用于预测HCC中DEB-TACE反应.