基于对联机器学习的自动诊断平台,使用CT图像和临床信息来预测老年食道癌症患者的放射治疗局部区域复发
An-du Zhang1, Qing-Lei Shi2,3, Hong-Tao Zhang4
1Department of Radiotherapy, Hebei Medical University Fourth Affiliated Hospital and Hebei Provincial Tumor Hospital, 12 Jiankang Road, Shijiazhuang, Hebei, 050011, People's Republic of China.
Abdominal radiology (New York)
|June 3, 2024
概括
一个机器学习模型准确地预测了老年食道状细胞癌 (ESCC) 患者的局部区域复发 (LR). 这种工具对自动食道癌症诊断系统有前途,改善了临床实践.
科学领域:
- 在瘤学瘤学.
- 辐射疗法 辐射疗法
- 机器学习 机器学习
背景情况:
- 接受激进放射治疗的食道状细胞癌 (ESCC) 的老年患者面临局部区域复发 (LR) 的风险.
- 准确预测LR对于优化治疗策略和改善患者的治疗结果至关重要.
研究的目的:
- 评估机器学习算法在预测老年ESCC患者放射治疗后LR的可行性和准确性.
- 开发一种利用放射学和临床因素的预测模型,用于早期识别复发风险.
主要方法:
- 使用130个患者数据集开发了一种对对的天真贝叶斯 (NB) 模型,分为训练 (70%) 和测试 (30%) 集.
- 从治疗前的CT扫描中提取了放射性特征,与临床因素相结合,并使用pyradiomics软件进行分析.
- 用接收机操作特征 (ROC) 曲线和决策曲线分析 (DCA) 来评估模型性能.
主要成果:
- 该研究确定了10个放射学特征和2个临床因素,这些特征对LR预测具有重要意义.
- 该NB模型实现了高预测性能,在测试队列中ROC曲线下的面积为0.944,准确度为0.914.
- 该模型表现出良好的校准和临床有效性,在测试队列中LR的积极预测值为85.71%.
结论:
- 结合放射学和临床数据的双向NB模型可以准确地预测激光疗法后老年ESCC患者的LR.
- 开发的模型显示了集成到临床应用的自动食道癌诊断系统的巨大潜力.
- 这种方法为个性化风险评估和ESCC中局部区域复发的管理提供了有希望的工具.
