使用基于MRI DWI的机器学习放射学诺米克图,评估骨髓瘤中新辅助化疗反应

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:

• 预测骨髓瘤治疗反应对患者的治疗结果至关重要.
• 新辅助化疗 (NAC) 是骨髓瘤瘤的标准治疗方法.
• 准确预测NAC反应可以指导个性化治疗策略.

研究的目的:

• 开发和验证一个整合MRI扩散权重成像 (DWI) 和临床特征的名图,用于预测骨髓瘤中NAC治疗反应.
• 与独立的临床或放射学模型相比,评估组合名图的诊断性能.

主要方法:

• 对209名骨质肉瘤患者的回顾性分析.
• 使用机器学习算法构建临床签名.
• 从预处理DWI图像中提取放射性特征.
• 使用机器学习开发放射学和组合名图模型.
• 使用ROC曲线分析和决策曲线分析 (DCA) 评估模型性能.

主要成果:

• 结合的诺米图实现了0.848的曲线下面面积 (AUC),优于独立的临床 (AUC=0.669) 和放射学 (AUC=0.768) 模型.
• 诺米图表在预测NAC反应时显示了75.8%的准确性.
• 决策曲线分析表明,名图具有显著的临床效用.

结论:

• 整合放射学和临床特征的诺米克图为预测骨髓瘤中NAC反应提供了更高的准确性.
• 这种组合模型显示了临床应用在指导骨髓瘤治疗中的重大前景.