预测神经母细胞瘤骨髓转移:一种可解释的机器学习方法,使用对比增强的计算机断层扫描放射学特征

科学领域:

• 医疗成像医学成像
• 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:

• 神经母细胞瘤是一种儿科癌症,其中骨髓转移显著影响预后.
• 准确预测骨髓转移对于有效的治疗计划和患者管理至关重要.
• 目前的诊断方法可能是侵入性的,可能无法捕捉疾病的全部程度.

研究的目的:

• 开发用于神经母细胞瘤骨髓转移的预测模型,使用来自对比增强计算机断层扫描 (CECT) 的放射学特征.
• 探索可解释机器学习在识别与转移相关的关键放射学特征方面的实用性.
• 评估开发的放射学模型在预测骨髓转移中的性能.

主要方法:

• 对345名神经母细胞瘤患者的CET扫描进行了回顾性分析.
• 1409个放射性特征的提取和选择,重点是纹理特征.
• 基于支持矢量机器 (SVM) 的预测模型的开发,使用AUC,精度,灵敏度和特异性进行验证.

主要成果:

• 开发了一个以16个特征为基础的放射学模型,主要是基于纹理 (75%).
• 该模型在训练组中取得了高性能 (AUC:0.891) 并在测试组中表现出强的性能 (AUC:0.807).
• 该模型在训练和测试阶段都显示出良好的准确性,灵敏性和特异性,表明其预测能力.

结论:

• 来自CECT图像的放射性特征与神经母细胞瘤骨髓转移显著相关.
• 开发的放射学模型显示了作为预测骨髓转移的非侵入性工具的前景.
• 这些发现表明,放射学可以作为神经母细胞瘤分期和管理的新型成像生物标志物.