基于瘤息地和周区域演变的成像特征,以评估胸腺瘤风险分类
1School of Health Management, China Medical University, Shenyang City, Liaoning Province, PR China.
Clinical radiology
|June 11, 2024
概括
这项研究开发了一种综合模型,整合了临床,息地和放射性特征,以预测胸腺瘤风险. 该模型实现了良好的性能,有可能改善风险适应治疗选择和患者预后.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 机器学习 机器学习
背景情况:
- 胸腺瘤是罕见的瘤,需要准确的风险分层来进行最佳管理.
- 当前的风险评估方法可以从整合不同类型的数据中获益.
研究的目的:
- 开发和评估一个聚合模型来分类胸腺瘤风险.
- 该模型整合了临床,息地和放射性特征,以提高预测.
主要方法:
- 140名胸腺瘤患者的回顾性分析 (70名低风险,70名高风险).
- 根据放射性特征,K-means集群确定了6个内息地.
- 使用XGBoost.开发了一种结合了临床,息地和放射性特征的综合模型.
主要成果:
- 总体模型实现了0.811的曲线下面积 (AUC),准确度为0.769.
- 这超越了仅放射性模型 (AUC 0.654) 和内 + 周模型 (AUC 0.728).
结论:
- 一个新的综合模型在预测胸腺瘤风险方面表现良好.
- 未来的验证可以改进患者选择风险适应性治疗并改善预后.
更多相关视频
06:05Author Spotlight: Multiplex Immunofluorescence Combined with Spatial Image Analysis for the Clinical and Biological Assessment of the Tumor Microenvironment
Published on: June 2, 2023
7.4K
07:32Author Spotlight: Investigating Immune Cell Dynamics in the Tumor Microenvironment — Challenges and Innovations in Cancer Prognosis
Published on: April 12, 2024
1.3K
