通过机器学习和放射学对CT扫描进行肝细胞癌的微血管入侵的术前检测:初步分析
Simone Famularo1, Camilla Penzo2, Cesare Maino3
1Hepatobiliary Surgery Unit, Fondazione Policlinico Universitario A. Gemelli, IRCCS, Catholic University of the Sacred Heart, Rome, Italy; Department of Biomedical Sciences, Humanitas University, Pieve Emanuele, Milan, Italy; IRCAD, Research Institute Against Cancer of the Digestive System, 1 Place de l'Hôpital, Strasbourg, 67091, France.
概括
机器学习模型使用CT扫描准确地预测肝细胞癌 (HCC) 中的微血管入侵 (MVI). 这有助于为HCC患者量身定制治疗和后续策略.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 微血管侵袭 (MVI) 是肝细胞癌 (HCC) 患者手术后死亡率和复发的关键预测因素.
- 精确的MVI手术前预测对于有效的治疗计划至关重要.
研究的目的:
- 开发和评估用于预测MVI的机器学习模型,使用手术前CT扫描.
- 评估不同AI模型在HCC中识别MVI方面的表现.
主要方法:
- 来自意大利4个中心的218个手术前三相CT扫描的回顾性分析.
- 从肝脏,瘤和周区域提取放射性特征,然后进行主要组件分析 (PCA) 以减少维度.
- 训练和测试随机森林 (RF),人工神经网络 (ANN) 和极端梯度增强 (XGB) 模型来预测MVI.
主要成果:
- 在218名患者中,有72名 (33.02%) 的MVI在组织学上得到证实.
- 随机森林 (RF) 模型在测试组中实现了最高准确率 (96.8%),具有高灵敏度 (95.2%) 和特异性 (97.6%).
- 与RF相比,XGBoost和ANN模型的性能较低.
结论:
- 机器学习,特别是射频模型,在从手术前CT扫描中预测MVI方面表现出很高的准确性.
- 准确的MVI预测可以显著影响治疗决策,手术规划和HCC患者的后续方案.
- 这种人工智能驱动的方法为改善HCC患者管理提供了有价值的工具.
