新模型和公共在线预测平台用于声带白血病风险分层
Zufei Li1, Jinghui Lu2, Baiwen Zhang3
1Department of Otorhinolaryngology, Head and Neck Surgery, Beijing Chaoyang Hospital, Capital Medical University, Beijing, China.
The Laryngoscope
|June 3, 2024
概括
这项研究开发了一种机器学习模型,使用图像纹理特征来预测声带白血病 (VCL) 风险. 该模型实现了高精度,超过了临床医生,并为临床实践提供了有价值的工具.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 声带白血病 (VCL) 需要准确的风险分层来进行有效的管理.
- 当前的诊断方法在客观评估VCL风险时可能存在局限性.
研究的目的:
- 使用图像纹理特征开发用于VCL风险分层的机器学习 (ML) 模型.
- 创建一个可靠的预测工具,用于临床应用.
主要方法:
- 对462个VCL患者图像进行了回顾性分析.
- 提取和选择504种纹理特征.
- 开发和验证10ML分类器,其中随机森林显示最佳性能.
- 使用了SHapley添加式扩展 (SHAP) 来进行特征重要性分析.
- 评估模型使用准确度,灵敏度,特异性和AUC,具有5倍交叉验证和独立数据集.
主要成果:
- 一个随机森林模型,利用12个选定的纹理特征,实现了高性能 (92.2%的准确性,90.7%的AUC).
- 该模型显著超过临床医生的诊断能力 (AUC 63.1%-75.2%).
- 独立数据集验证证实了模型的稳定性 (92.3%的准确性,93.3%的AUC).
结论:
- 开发的ML模型为VCL风险分层提供了一个准确和客观的方法.
- 该模型已被实施为一个公共在线预测平台,用于实际临床使用.
