放射学模型用于预测手术治疗的四肢和干部软组织肉瘤的远程转移

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 人工智能在医学中的应用

背景情况:

• 软组织肉瘤 (STS) 是一种恶性瘤,需要准确的转移预测才能有效治疗.
• 磁共振成像 (MRI) 提供了详细的软组织可视化,但预测STS转移仍然具有挑战性.

研究的目的:

• 开发和验证使用MRI进行放射学模型,以预测软组织瘤患者的转移.
• 评估深度学习放射学 (DLR) 模型在STS中进行非侵入性转移风险评估的临床实用性.

主要方法:

• 对113名STS患者的MRI和临床数据的回顾性分析 (73名培训,40名验证).
• 从脂肪抑制的T2加权图像 (FS-T2WIs) 中提取放射学特征和使用3D ResNet10的深度学习特征.
• 使用递归特征消除 (RFE) 和LASSO进行特征选择,然后使用5个机器学习算法进行模型构建.
• 使用ROC曲线下的面积 (AUC) 和决策曲线分析 (DCA) 评估模型性能.

主要成果:

• 在DLR模型中,利用20个选定的深度学习和放射学特征,在验证数据集中实现了0.9770的AUC.
• 该模型显示了良好的临床益处和一致性,如DCA和Hosmer-Lemeshow测试所示.
• DLR模型有效地整合了来自MRI的丰富信息,用于转移的预测.

结论:

• 开发的DLR模型是一种非侵入性,低成本的工具,用于预测STS中转移风险.
• 这种模型可以显著帮助临床医生制定适合和个性化的治疗策略STS患者.
• 该研究强调了先进的放射学和深度学习在改善瘤治疗结果方面的潜力.