在初级中枢神经系统淋巴瘤中,放射性预测对高剂量甲醇基化疗的持久反应

科学领域:

• 放射学和瘤学 放射学和瘤学
• 医学成像分析 医学成像分析
• 机器学习在医学中的应用

背景情况:

• 初级中枢神经系统淋巴瘤 (PCNSL) 是罕见的,治疗异质性使治疗后缓解的预后模型开发复杂化.
• 由于预后工具有限,预测PCNSL中基于高剂量甲基酸盐 (HD-MTX) 的化疗的持久反应 (DR) 是具有挑战性的.

研究的目的:

• 开发和验证基于放射学模型的模型,用于预测PCNSL患者对HD-MTX化疗的持久反应 (DR).
• 评估放射性特征和综合放射性临床模型的临床实用性.

主要方法:

• 分析了来自两个机构的105名PCNSL患者 (2011-2021),DR定义为HD-MTX化疗后≥1年的缓解.
• 1218个放射性特征从预视镜T1对比度增强的MRI图像中提取;用于特征选择和分类的机器学习.
• 采用随机森林方法开发放射性临床综合模型,并进行外部验证.

主要成果:

• 8个特征的放射性特征显示出强大的预测性能 (AUC 0.994训练,0.913验证) 并与DR独立相关.
• 放射性签名和集成模型在培训和验证队列中显著超过了临床模型.
• 决策曲线分析证实了开发的放射性模型的临床实用性.

结论:

• 一种新的放射性特征和集成模型可以准确地预测PCNSL中HD-MTX化疗的持久反应.
• 这些预测工具为优化PCNSL治疗策略提供了宝贵的治疗见解.