强大的放射学模型用于预测HIFU预后在子宫纤维瘤使用SHAP解释:一个多中心队列研究

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 机器学习在医学中的应用

背景情况:

• 高强度聚焦超声波 (HIFU) 是对子宫纤维瘤的非侵入性治疗方法.
• 预测治疗的有效性,特别是非输液体积比 (NVPR),对于优化患者的治疗结果至关重要.
• 非对比的MRI放射学为早期治疗反应评估提供了潜力.

研究的目的:

• 开发和验证机器学习 (ML) 模型,使用非对比MRI放射学来预测子宫纤维瘤HIFU后的NVPR.
• 确定预测HIFU治疗成功的关键放射学特征和临床指标.
• 为临床医生提供治疗决策的早期预测工具.

主要方法:

• 对221名用HIFU治疗的子宫纤维瘤患者的回顾性分析.
• 从T2加权MRI (T2WI) 中提取851个放射性特征.
• 使用mRMR和LASSO进行特征选择;ML模型开发 (LR,DT,RF,SVM,XGBoost,LGBM);内部和外部验证;用于特征意义的SHAP分析.

主要成果:

• 支持矢量机 (SVM) 模型在内部和外部验证中表现出卓越的性能.
• 在T2WI放射学模型中,AUC为0.860 (培训),0.847 (内部验证) 和0.777 (外部验证).
• SHAP分析确定了两个放射性特征和三个临床指标作为术后NVPR的关键预测指标.

结论:

• 非对比的MRI放射学,特别是SVM模型,有效地预测子宫纤维瘤的HIFU后的NVPR.
• 将放射学特征与临床数据相结合,可以提高预测的准确性.
• 这种方法可以促进对子宫纤维瘤的及时有效的HIFU干预.