预测高风险神经母细胞瘤在神经母细胞瘤使用放射学特征从磁共振成像:一个试点研究研究衍生的神经母细胞瘤
Jisoo Kim1, Young Hun Choi2, Haesung Yoon1
1Department of Radiology and Research Institute of Radiological Science, Severance Hospital, Yonsei University College of Medicine, Seoul, Korea.
Yonsei medical journal
|April 23, 2024
概括
一个基于MRI的放射学模型准确地预测了儿科患者高风险神经母细胞瘤. 这种方法有助于识别侵袭性神经质瘤,以获得更好的治疗策略.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医学成像分析 医学成像分析
背景情况:
- 神经母细胞瘤是一种常见的儿科癌症,由神经母细胞细胞引起.
- 准确的风险分层对于最佳的神经母细胞瘤治疗和患者的治疗结果至关重要.
- 区分高风险神经母细胞瘤前期治疗可以指导治疗决策.
研究的目的:
- 开发和验证高风险神经母细胞瘤的预测模型,使用磁共振成像 (MRI) 的放射学特征.
- 评估多变量逻辑回归 (MLR) 和随机森林 (RF) 模型在预测神经母细胞瘤风险方面的性能.
- 在外部测试数据集上评估放射学模型的概括性.
主要方法:
- 对患有神经质瘤的儿科患者治疗前MRI扫描的回顾性分析 (n=46).
- 手动细分瘤以提取930个放射性特征 (第一阶段和纹理).
- 开发使用十倍交叉验证的MLR和RF模型,在独立队列上进行测试.
主要成果:
- 放射性特征显示了观察者内部和观察者间的适度至优异的变异性 (ICCs 0.633-0.985).
- 在训练组中,MLR模型实现了0.94的曲线下的面积 (AUC),在测试组中达到0.94.
- 射频模型在交叉验证中显示平均AUC为0.83,在测试组中为0.91,具有高特异性.
结论:
- 基于MRI的放射学分析为预测高风险神经母细胞瘤提供了一种非侵入性方法.
- 开发的MLR和RF模型在识别侵袭性神经质瘤时显示出高准确性和概括性.
- 这种放射学方法有可能改善风险分层和个性化治疗儿科神经母细胞瘤.
更多相关视频
10:17Guidelines and Experience Using Imaging Biomarker Explorer IBEX for Radiomics
Published on: January 8, 2018
13.2K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
