基于机器学习模型的加多克西酸增强核磁共振,预测HCC在一年内复发
Yingyu Lin1, Jifei Wang1, Yuying Chen1
1Department of Radiology, The First Affiliated Hospital, Sun Yat-Sen University. 58th, The Second Zhongshan Road, Guangzhou, Guangdong, China, 510080.
Current medical imaging
|March 11, 2024
概括
机器学习可以准确地预测使用临床数据和MRI手术后1年的肝细胞癌 (HCC) 复发情况. 这有助于为HCC患者制定个性化治疗策略.
科学领域:
- 肝胆道手术是肝胆道的手术.
- 医学成像医学成像
- 机器学习在瘤学中
背景情况:
- 准确预测肝细胞癌 (HCC) 复发对于量身定制手术后治疗至关重要.
- 机器学习 (ML) 提供了开发使用临床和成像数据的预测模型的潜力.
研究的目的:
- 开发和评估ML模型,用于预测切除后HCC患者1年复发风险.
- 为了确定重复性预测的关键手术前临床和多参数MRI特征.
主要方法:
- 追溯分析了82名单一的HCC患者,这些患者接受了手术和手术前的加达克西酸增强型MRI.
- 使用最小绝对收缩和选择运算符 (LASSO) 进行特征选择.
- 使用多层感知 (MLP),随机森林,支持向量机和k-最近邻近算法开发预测模型.
主要成果:
- 瘤大小,周围瘤低血压,降低肝膜T1值 (ΔT1) 和α-胎蛋白 (AFP) 被选为关键预测因素.
- 所有ML模型都实现了曲线下的面积 (AUC) > 0.72.
- MLP模型表现出最高的性能,AUC为0.813,准确度为0.742,灵敏度为0.570,特异性为0.853.
结论:
- ML模型有效预测HCC患者1年的术后复发.
- 这些模型可以支持对HCC管理的个性化治疗决策.
