基于机器学习的放射学得分提高了II/III期胃癌的预后预测准确度:一项多队列研究
Ying-Hao Xiang1, Huan Mou1, Bo Qu1
1Department of General Surgery, Lichuan People's Hospital, Enshi 445400, Hubei Province, China.
World journal of gastrointestinal surgery
|March 11, 2024
概括
来自CT扫描的新放射性评分 (OACRS) 有效预测胃癌患者的整体存活率 (OS). 这种基于机器学习的生物标志物显示出提高预后准确性的巨大潜力.
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:
- 准确地预测胃癌的整体存活率 (OS) 是一个挑战.
- 放射学为癌症患者的预后评估提供了一个有前途的方法.
研究的目的:
- 开发一种强大的机器学习生物标志物,用于预测胃癌中的OS.
- 利用计算机断层扫描 (CT) 图像放射学进行公正的预后评估.
主要方法:
- 从181名II/III期胃癌患者的手术前CT扫描中提取了约1700个放射性特征.
- 使用36个选定的特征计算了与操作系统相关的CT图像放射学分数 (OACRS).
- 从CT图像中测量了骨肌肉指数 (SMI) 和密度 (SMD).
主要成果:
- 较高的OACRS与更差的预后相关 (P < 0.05).
- OACRS独立预测的风险 (RR = 3.023,P < 0.001),表现优于SMI和SMD.
- 该OACRS生物标志物显著改善了OS预测 (P <0.05).
结论:
- 一种基于机器学习的新型放射性生物标志物 (OACRS) 已被开发用于胃癌.
- 该OACRS在区分整体存活率方面表现出了特殊的潜力.
