通过放射学和临床信息来预测头部和部状细胞癌的预后
Shing-Yau Tam1, Fuk-Hay Tang1, Mei-Yu Chan1
1School of Medical and Health Sciences, Tung Wah College, Hong Kong.
Biomedicines
|August 29, 2024
概括
这项研究开发了一种机器学习模型,整合了放射性和临床数据,以预测接受放射治疗的头部和部状细胞癌患者的生存率. 与仅使用放射性或临床因素的模型相比,组合模型显示出更高的预测准确性.
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:
- 头部和部状细胞癌 (HNSCC) 是一种复杂的癌症,患者的治疗结果各不相同.
- 在HNSCC的预后受到瘤异质性的影响.
- 放射治疗 (RT) 是HNSCC的常见治疗方式.
研究的目的:
- 在接受放射治疗的HNSCC患者中预测5年总生存期.
- 使用机器学习整合放射性和临床数据,以提高预后准确度.
- 将组合模型的性能与仅放射性和仅临床模型进行比较.
主要方法:
- 使用了HNSCC放射治疗计划CT图像和来自癌症成像档案的临床数据.
- 以五种机器学习算法独立提取放射性特征并分析临床数据.
- 通过结合放射学和临床模型,开发了一个概率加权增强模型 (PWEM).
主要成果:
- 这项研究分析了299例HNSCC病例.
- PWEM的曲线下面面积 (AUC) 为0.86,超过了个别的放射性和临床模型.
- T阶段,年龄和疾病部位被确定为预后的关键临床预测因素.
结论:
- 一个结合的放射性-临床机器学习模型为预测HNSCC存活率提供了卓越的性能.
- 这种综合方法超过了仅基于放射性或临床因素的模型的预测能力.
- 建议对更大的前性研究进行进一步的验证,以便在临床实施.
关键词:
在HNSCC中,我们可以看到HNSCC.在HPV中,HPV是HPV.这就是PWEM.在VEML中使用VEML机器学习是机器学习.预后 预测 预测 预测无线电学 (radiomics) 是一种无线电学.更多相关视频
07:29Intramucosal Inoculation of Squamous Cell Carcinoma Cells in Mice for Tumor Immune Profiling and Treatment Response Assessment
Published on: April 22, 2019
11.5K
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
229
