使用脑转移MR放射学预测非小细胞肺癌 (NSCLC) 中T790M突变:一项使用不平衡数据集的研究

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:

• 在脑转移的非小细胞肺癌 (NSCLC) 中早期发现表皮生长因子受体 (EGFR) T790M突变对于治疗至关重要.
• 放射学模型被开发用于区分T790M阳性和T790M阴性NSCLC患者使用大脑转移MR图像.

研究的目的:

• 开发和评估放射学模型,以区分T790M阳性和T790M阴性NSCLC脑转移患者.
• 确定最佳的重新采样技术和分类器,以处理突变检测中的不平衡数据集.

主要方法:

• 从125名NSCLC患者 (18名T790M阳性,107名T790M阴性) 的多序MRI图像 (CET1WI,T2WI,T2FLAIR,DWI) 中提取了放射性特征.
• 四个分类器 (逻辑回归,SVM,RF,XGBoost) 在13个重新采样条件下进行了测试,其中包括SVM-SMOTE.
• 使用曲线下的面积 (AUC) 来评估性能.

主要成果:

• 使用SVM-SMOTE与XGBoost分类器实现了0.89的AUC.
• 这一表现证明了开发的放射学模型的有效性.
• 通过其他过量采样方法与RF或XGBoost分类器相结合,获得了类似的结果.

结论:

• 再抽样技术和分类器的适当组合可以为T790M突变检测提供可靠的预测结果.
• 这种放射学方法显示出在患有脑转移的NSCLC患者中改善T790M突变检测的巨大潜力,即使数据不平衡.