基于非对比CT的最小衰减值来预测上腺缺乏脂质腺瘤的模型的开发和验证:双中心回顾性研究
Hanlin Zhu1,2, Mengwei Wu3,2, Bo Feng1
1Department of Radiology, Hangzhou Ninth People's Hospital (Hangzhou Red Cross Hospital Qiantang Campus), Hangzhou, 310012, China.
BMC medical imaging
|August 12, 2024
概括
这项研究开发了一种 eXtreme Gradient Boosting (XGBoost) 模型,使用非对比CT扫描的最小衰减值 (minAVs) 来准确区分上腺脂贫腺瘤与非上腺瘤,帮助临床决策.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 精确区分上腺脂质贫乏腺瘤至关重要,以防止不必要的患者干预.
- 无对比CT扫描 (NCCT) 扫描通常用于上腺损伤的评估.
研究的目的:
- 开发和验证使用NCCT扫描的最小减弱值 (minAVs) 来识别上腺脂质贫乏腺瘤的极端梯度增强 (XGBoost) 预测模型.
- 将基于minAV的模型的诊断性能与CT直方图 (CTh) 模型进行比较.
主要方法:
- 来自两个机构的患者数据的回顾性分析,包括minAVs,CTh,meanAVs和病变直径.
- 在培训组 (机构A) 上单独使用minAV和CTh的XGBoost模型的开发.
- 使用ROC曲线分析,校准曲线,Brier分数和SHAP值在单独的验证集 (机构B) 上验证模型性能.
主要成果:
- 无论是minAV还是CTh XGBoost模型,在训练 (AUCs ~0.91) 和验证 (AUCs ~0.87) 组中都表现出高的诊断准确性.
- 在minAV和CTh模型之间没有观察到AUC的显著差异.
- SHAP分析表明,minAVs是预测模型中具有高度影响力的变量.
结论:
- 使用minAVs的XGBoost模型有效地区分了上腺脂质贫乏腺瘤和非腺瘤.
- minAV可以很容易地从NCCT扫描中获得,并提供与更复杂的CTh模型相比的诊断性能.
- 该模型为患者诊断和治疗规划在上腺损伤管理中提供了宝贵的工具.
