基于息地子区域的多机器学习模型,用于通过子宫动脉栓塞治疗的腺肌病的结果预测

科学领域:

• 放射学和医学成像学 医学成像学
• 机器学习在医学中的应用
• 妇科干预 妇科干预

背景情况:

• 腺髓炎是一种常见的妇科疾病,通常用子宫动脉栓塞 (UAE) 治疗.
• 预测阿联的长期疗效对于患者管理和治疗规划至关重要.
• 当前的预测模型可能无法完全捕捉复杂的疾病特征.

研究的目的:

• 开发和验证一种机器学习模型,用于预测长期子宫动脉栓塞 (UAE) 在腺肌病中的疗效.
• 调查基于亚区域的放射性特征的实用性,以改善预测.
• 将拟议模型的性能与整个区域和临床模型进行比较.

主要方法:

• 分析了一组多机构的队列,包括258名接受阿联腺髓炎治疗的患者.
• 感兴趣的地区被细分,并使用k-means集群将其分成息地子区域.
• 从多个成像序列的子区域提取了放射性特征,并使用LASSO回归进行了选择.
• 六个机器学习分类器被训练在选定的特征建立息地放射学模型 (HRM).

主要成果:

• 息地放射学模型 (HRM) 显示出高预测性能,AUC为0.921 (训练) 和0.890 (测试).
• 在预测准确度方面,HRM显著超过了全区域放射学模型 (WRM) 和临床模型 (CM).
• WRM的AUC为0.805 (训练) 和0.693 (测试),而CM的AUC为0.788 (训练) 和0.735 (测试).

结论:

• 息地放射学模型 (HRM) 能够有效地预测子宫动脉栓塞对腺肌病的长期疗效.
• 与全区域放射学和临床模型相比,HRM提供了更好的预测性能.
• 这种模型是干预医生的宝贵工具,可以帮助干预医生在治疗腺髓炎的临床决策中.