基于MRI的放射学模型来区分脊柱多发性骨髓瘤与转移:一项两中心研究
Jiashi Cao1, Qiong Li2, Huili Zhang3
1Department of Orthopedics, Navy Medical Center, the Navy Medical University, No. 338 Huaihai West Road, Shanghai 200052, China.
Journal of bone oncology
|April 11, 2024
概括
使用MRI的放射学模型有效地区分脊柱多发性骨髓瘤 (MM) 和转移. 结合成像序列改善了模型性能,MKL-SVM显示了个性化治疗的最佳诊断准确性.
科学领域:
- 放射学和医学成像学 医学成像学
- 在瘤学瘤学.
- 机器学习在医学中的应用
背景情况:
- 脊柱多发性骨髓瘤 (MM) 和转移共享类似的成像特征,需要准确的差异诊断以进行有效的治疗.
- 区分这些条件对于指导瘤学精准治疗至关重要.
研究的目的:
- 开发和评估放射学模型,使用MRI将脊柱多发性骨髓瘤与脊柱转移区分开来.
- 在这个差异化任务中,比较各种机器学习模型的诊断性能.
主要方法:
- 分析了来自两个机构的263名患者 (127名脊髓MM,136名脊髓转移) 的队列.
- 从对比度增强的T1加权成像 (CET1) 和T2加权成像 (T2WI) 序列中提取了放射性特征.
- 包括物流回归,AdaBoost,SVM,随机森林和MKL-SVM在内的机器学习模型进行了训练和验证.
主要成果:
- 随机森林模型在单个序列上表现最好,T2WI的表现优于CET1.
- 整合CET1和T2WI序列显著提高了所有模型的诊断效率.
- 基于多个内核学习的SVM (MKL-SVM) 模型实现了最高的性能,精度为0.862,AUC为0.870,F1得分为0.874.
结论:
- 来自MRI的放射学模型表明,区分脊柱MM和转移有很大的潜力.
- 这些模型为改善临床实践中的个性化诊断和治疗策略提供了有希望的前景.
