使用机器学习估计初级高度结质瘤患者的无进展生存期
Agnieszka Kwiatkowska-Miernik1, Piotr Gustaw Wasilewski1, Bartosz Mruk1
1Centre of Radiological Diagnostics, National Medical Institute of the Ministry of the Interior and Administration, Wołoska 137, 02-507 Warsaw, Poland.
Journal of clinical medicine
|October 26, 2024
概括
放射学和人工智能可以预测高度质瘤患者的无进展生存率. 这些使用MRI数据的AI模型为个性化治疗提供了有希望的工具,并改善了脑瘤管理的结果.
科学领域:
- 神经瘤学神经瘤学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 高度质瘤是具有不良预后的侵袭性脑瘤.
- 瘤的遗传多样性使预测治疗反应变得复杂.
- 治疗反应的早期预测对于推进向和免疫疗法至关重要.
研究的目的:
- 评估放射学和人工智能 (AI) 以预测最高级别质瘤 (CNS WHO 4) 患者的无进展生存期 (PFS).
- 评估人工智能模型在为个性化治疗计划分层患者中的实用性.
主要方法:
- 对51名最高度质瘤患者的回顾性研究.
- 从手术前的MRI扫描中提取了109个放射性特征.
- 临床数据 (性别,体重,年龄,瘤位置) 与放射性特征的整合.
- 开发和验证人工智能模型 (随机森林,决策树,梯度增强器,人工神经网络) 来预测PFS.
主要成果:
- 随机森林模型在测试组中取得了最高的预测性能 (1-MAPE = 92.27%,C指数 = 0.9544).
- 其他人工智能模型也表现出令人满意的预测能力.
- 该研究使用放射性和临床数据成功预测了复发的时间.
结论:
- 人工智能模型与放射性特征相结合,显示出在高度质瘤中预测PFS的巨大潜力.
- 这些发现支持在风险分层和个性化治疗策略中使用人工智能.
- 建议对更大,多中心数据集进行进一步验证,以确认这些有希望的结果.
