开发和验证基于机器学习的F-化氧葡萄糖PET/CT放射学特征,用于预测胃癌生存率

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:

• 胃癌 (GC) 患者的预后显著影响治疗决策.
• 准确预测整体存活率 (OS) 对于个性化的患者管理至关重要.

研究的目的:

• 开发一种基于正电子发射断层扫描 (PET) 的新型放射学模型.
• 将PET放射学分数 (RS) 与临床瘤结节转移 (TNM) 阶段测定相结合.
• 预测诊断为GC的患者的OS.

主要方法:

• 使用了来自327名GC患者的18F-化氧葡萄糖 (18F-FDG) PET扫描.
• 提取了171个PET放射特征,并使用LASSO和RSF计算PET RS.
• 开发了一个结合PET RS和临床TNM分期的预测模型.

主要成果:

• 与单独的临床分期相比,联合放射学模型显示出更好的预测性能 (C指数0.817培训,0.707验证).
• 较高的PET RS与年龄较大,CEA升高和高级TNM阶段相关.
• 升高的PET RS显著与不同TNM阶段的生存预后较差有关.

结论:

• 基于PET的放射学模型,结合临床TNM阶段和特征,为预测GC患者的OS提供了一个有希望的新方法.
• 这些模型可以作为一种有价值的工具,用于提高胃癌管理中的预后准确性.