基于机器学习的放射学方法用于预测No. 14v站淋巴结转移在胃癌中的发生

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 医疗成像医学成像

背景情况:

• 胃癌 (GC) 的诊断和分期对于治疗计划至关重要.
• 精确预测淋巴结转移,特别是对No. 14v站 (14vM),对于有效的手术管理至关重要.

研究的目的:

• 评估放射学方法在GC中预测14vM的潜力.
• 开发和验证用于手术前检测14vM的机器学习 (ML) 模型.

主要方法:

• 从288名GC患者的对比度增强CT (CECT) 图像的回顾性分析.
• 提取了1,316个放射学特征,并训练了7个ML算法.
• 开发一个放射学特征和一个结合模型,包括临床病理因素.

主要成果:

• 放射学签名在14vM预测中实现了0.83 (训练) 和0.77 (测试) 的AUC.
• 较高的放射性评分与14vM的风险增加显著相关.
• 组合模型表现出更好的预测能力,AUC为0.87 (训练) 和0.85 (测试).

结论:

• 基于ML的放射学模型显示,作为GC中14vM的手术前成像生物标志物具有前景.
• 这种工具可以帮助外科医生决定淋巴切除术的程度,包括14v剖析.