计算机断层扫描的机器学习模型用于诊断需要联合切除的胸膜上皮瘤
Yuki Onozato1, Hidemi Suzuki1, Hiroki Matsumoto2
1Department of General Thoracic Surgery, Chiba University Graduate School of Medicine, Inohana, Chuo-ku, Chiba-shi, Chiba, Japan.
Journal of thoracic disease
|September 13, 2024
概括
使用手术前CT扫描的机器学习模型可以准确地预测当胸膜上皮瘤 (TETs) 需要联合切除时. 这种人工智能工具有助于外科医生选择复杂病例的最佳手术方法.
科学领域:
- 胸部外科手术 胸部外科手术
- 医学成像医学成像
- 医学中的人工智能.
背景情况:
- 最少侵入性手术是胸膜上皮瘤 (TETs) 的标准.
- 复杂的TET病例可能需要切除相邻结构.
- 在手术前预测联合切除的必要性对于手术规划至关重要.
研究的目的:
- 开发和验证机器学习模型,用于预测TET的联合切除.
- 为了利用术前对比增强型计算机断层扫描 (CT) 进行预测.
- 评估这些预测模型的临床实用性.
主要方法:
- 从212名TET患者的对比增强CT扫描中提取的放射性特征.
- 使用嵌套交叉验证与特征选择和机器学习分类器进行训练和验证的模型.
- 使用决策曲线分析 (DCA) 评估的临床效用.
主要成果:
- 极端梯度提升 (XGB) 分类器实现了0.797 (训练) 和0.817 (验证) 的AUC.
- 随机森林 (RF) 和梯度增强 (GB) 分类器的高预测性能被观察到.
- DCA证实了模型在15-72%的值范围内有效.
结论:
- 使用手术前CT的机器学习模型可以准确预测需要联合切除的TET.
- 这些模型显示出有很大的潜力,可以帮助选择外科手术方法.
- 经过验证的模型为改善复杂的TET手术中术前规划提供了有价值的工具.


