一种基于增强计算机断层扫描的机器学习放射学,用于预测可切除食道状细胞癌的新辅助免疫疗法
Jia-Ling Wang1,2, Lian-Sha Tang1,2, Xia Zhong3
1Department of Biotherapy, Cancer Center, West China Hospital of Sichuan University, Chengdu, China.
Frontiers in immunology
|July 1, 2024
概括
使用增强型CT扫描的新型放射学模型准确地预测了接受新辅助免疫疗法 (NIT) 的食道癌患者的治疗反应. 这个工具有助于个性化治疗策略,以获得更好的结果.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗成像医学成像
背景情况:
- 接受新辅助免疫疗法 (NIT) 的食道状细胞癌 (ESCC) 患者表现出不同的反应.
- 准确预测治疗反应对于优化患者管理至关重要.
研究的目的:
- 开发和验证使用增强的计算机断层扫描 (CT) 与临床数据相结合的放射学模型.
- 预测可切除ESCC患者对NIT的主要病理反应.
主要方法:
- 对82名ESCC患者的回顾性分析,分为培训 (n=57) 和验证 (n=25) 组.
- 从治疗前增强的CT扫描中提取的放射性特征.
- 临床变量选择的后勤回归;模型集成的放射学和临床数据.
主要成果:
- 一个结合10个放射性特征和放射治疗的预测模型实现了高预测性能.
- 曲线下面积 (AUC) 值在培训组为0.93,在验证组为0.85.
- 决策曲线分析和校准曲线证实了该模型的临床实用性.
结论:
- 基于CT的增强放射学准确预测ESCC患者对NIT的反应.
- 开发的模型是治疗前有效性评估的宝贵工具.
- 这有助于为接受新辅助免疫治疗的ESCC患者进行个性化治疗计划.
