胃癌患者淋巴结转移的手术前预测模型,使用基于机器学习的超声波方法

科学领域:

• 医疗成像医学成像
• 在瘤学瘤学.
• 机器学习 机器学习

背景情况:

• 胃癌 (GC) 是一个重大的全球健康挑战.
• 精确的淋巴结转移的术前预测对于有效的GC治疗计划至关重要.

研究的目的:

• 开发和验证一个超标模型,用于在胃癌患者中进行淋巴结转移的术前预测.
• 使用已确定的指标评估开发的超声波模型的性能.

主要方法:

• 分析了464名胃癌患者的超声波图像.
• 使用Wilcoxon和LASSO算法提取和选择了放射学特征.
• 构建了一个超声波模型,包括19个放射性特征.

主要成果:

• 超相学模型在训练和测试组中实现了0.802的曲线下面面积 (AUC),用于预测淋巴结转移.
• 该模型表现出适度的预测性能,预测和实际转移状态之间的校准良好.
• 总共分析了464名患者,其中291人患有淋巴结转移.

结论:

• 开发的基于机器学习的超声学模型显示了预测胃癌中淋巴结转移的巨大潜力.
• 这种超标的方法可以为胃癌患者的个性化治疗决策提供信息.
• 进一步验证可能会提高其在胃癌管理中的临床实用性.