一个基于机器学习的集群利用F-18氧糖位子发射断层扫描/计算机断层扫描的放射学,用于预测肝脏内胆血管癌患者的预后
Rosie Kwon1, Hannah Kim2, Keun Soo Ahn3,4
1Department of Nuclear Medicine, Keimyung University Dongsan Hospital, Keimyung University School of Medicine, Daegu 42601, Republic of Korea.
Diagnostics (Basel, Switzerland)
|October 16, 2024
概括
使用F-18 FDG PET/CT放射学的机器学习有效地预测了肝内胆管癌 (IHCC) 的存活率. 这种方法为积极的IHCC提供了宝贵的手术前预后见解,补充了基因组数据.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 机器学习 机器学习
背景情况:
- 肝脏内胆管癌 (IHCC) 是一种具有攻击性的肝癌,发病率正在上升.
- 准确的预后预测对于管理IHCC患者至关重要.
研究的目的:
- 开发和验证一种机器学习模型,用于预测IHCC的无复发生存率 (RFS) 和总生存率 (OS).
- 使用F-18氧葡萄糖 (FDG) 定子发射断层扫描/计算机断层扫描 (PET/CT) 放射学用于预后聚类.
主要方法:
- 从60名IHCC患者的F-18 FDG PET/CT扫描预治疗后期分析.
- 从52名患者中提取放射性特征 (一级,形状,灰色水平).
- 无监督的等级分类以分层患者到预后组.
主要成果:
- 层次聚类确定了三个不同的患者组 (n=27,n=23,n=2),其中RFS和OS有显著差异 (p < 0.0001).
- PET放射学分组独立预测了RFS (HR=3.03,p=0.001) 和OS (HR=2.39,p=0.030). 这两种类型的RFS和OS是不同的.
- 在集群中观察到明显的路径丰富 (氧化酸化,KRAS,P53,WNTβ-catenin).
结论:
- 基于机器学习的PET放射学聚类是IHCC手术前预后预测的强大工具.
- 这种放射性方法为IHCC管理提供了基因组分析的补充信息.
