在ESCC中使用放射学来预测PNI

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 医学成像分析 医学成像分析

背景情况:

• 围神经侵入 (PNI) 是食道状细胞癌 (ESCC) 的关键预后因素.
• 准确的PNI手术前评估对于指导治疗策略和改善患者结果至关重要.
• 需要非侵入性预测方法来避免传统诊断方法的局限性.

研究的目的:

• 评估基于对比增强计算机断层扫描 (CECT) 的放射学分析在ESCC中非侵入性预测PNI的有效性.
• 为了比较不同机器学习模型的性能,使用放射学特征进行PNI预测.

主要方法:

• 对经过切除的398名ESCC患者的回顾性分析.
• 从动脉相CECT图像中提取1595个放射性特征.
• 使用ICC,威尔科克森等级总和测试,斯皮尔曼相关性和Boruta算法进行特征选择.
• 使用AUC和DCA开发和评估后勤回归 (LR),随机森林 (RF) 和支持矢量机 (SVM) 模型.

主要成果:

• 六个放射学特征被选中用于模型开发.
• 随机森林 (RF) 模型在训练 (AUC=0.773) 和测试 (AUC=0.767) 队列中都表现出卓越的表现.
• 射频模型的性能优于LR (AUC=0.627/0.638) 和SVM (AUC=0.712/0.683) 的模型.
• 决策曲线分析表明,射频放射学模型的临床效用最高.

结论:

• 基于CECT的放射学分析提供了一种非侵入性方法,用于ESCC的手术前PNI预测.
• 随机森林模型显示了提高PNI预测准确性的巨大潜力.
• 这种方法可以帮助ESCC患者个性化治疗规划.