基于CT衍生的细胞外体积分数的可解释机器学习,可以预测肝细胞癌的病理分级
Jie Li1, Linxuan Zou1, Heng Ma2
1Department of Radiology, Binzhou Medical University Hospital, No. 661 Huanghe 2nd Road, Bincheng District, Binzhou, 256600, China.
Abdominal radiology (New York)
|May 4, 2024
概括
这项研究开发了一种使用CT衍生的细胞外体积 (ECV) 来预测肝细胞癌 (HCC) 病理分级 (PG) 的非侵入性方法. 该模型显示了高精度,有助于HCC患者的临床决策.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 机器学习 机器学习
背景情况:
- 肝细胞癌 (HCC) 的病理分级 (PG) 对于治疗计划至关重要.
- 需要准确的非侵入性方法来预测HCC PG,以改善患者管理.
研究的目的:
- 开发和验证一种非侵入性辅助评估方法,用于预测HCC病理分级 (PG).
- 使用计算机断层扫描 (CT) 获得的细胞外体积 (ECV) 来预测HCC PG.
主要方法:
- 对238名经过切除手术的HCC患者的回顾性分析.
- 六个机器学习算法被用来构建HCC PG的预测模型.
- 用ROC分析,校准图表和决策曲线分析来评估模型性能.
主要成果:
- 开发的模型在测试组中实现了0.909的AUC.
- 该模型显示了高精度 (0.778),灵敏度 (0.906) 和F1得分 (0.908).
- 该模型为临床决策提供了重要的补充信息.
结论:
- 基于CT衍生的ECV的非侵入性辅助评估方法已成功开发和验证用于HCCPG预测.
- 这种方法为HCC管理中的临床决策提供了有价值的补充信息.
