机器学习预测格里森等级组在孔内活检和急性前列腺切除病理之间升级
Kaan Ozbozduman1, Irem Loc2, Selahattin Durmaz3
1Bogazici University Physics Department, Istanbul, Turkey. kaan.ozbozduman@boun.edu.tr.
Scientific reports
|March 11, 2024
概括
预测前列腺癌 (PCa) 的格里森等级组 (GG) 升级通过将MRI引导的孔内活检 (MRGB) 数据与临床信息相结合而得到改善. 机器学习模型准确地预测升级,帮助治疗决策.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
背景情况:
- 准确的格里森等级组 (GG) 预测对于前列腺癌 (PCa) 管理至关重要.
- 通过MRI引导的孔内活检 (MRGB) 和急性前列腺切除术 (RP) 提供了GG评估的数据.
- 活检和RPG分类之间的差异可能会影响治疗策略.
研究的目的:
- 提高在接受MRGB和RP的PCa患者中预测GG升级的准确性.
- 评估结合预解剖和MRGB临床数据用于升级预测的实用性.
- 开发机器学习 (ML) 模型,以改善GG升级预测.
主要方法:
- 对95名接受MRGB和RP的PCa患者的回顾性分析.
- 临床数据的相关性分析,包括活检结果,核心数量和瘤大小.
- 开发和验证结合MRGB和预剖析数据的ML模型.
主要成果:
- 64.2%的患者在MRGB和RP之间具有一致的GG; 28.4%的升级.
- GG1活检结果,较低的核心数量和较少的正核与升级相关.
- 机器学习模型在预测升级方面达到85.6%的准确性,单独优于MRGB (64.2%).
- 最低明显扩散系数 (ADC) 对于预测特定患者子组的升级非常有价值.
结论:
- 将MRGB结果与临床数据 (包括瘤大小和ADC值) 整合起来,可以提高GG升级预测的准确性.
- 机器学习模型显示了预测GG升级的巨大潜力.
- 准确的升级预测可以指导患者选择主动监测,并优化治疗计划.
