基于MRI的多参数机器学习放射学,用于预测在不可切除的肝细胞癌中治疗反应的跨动脉化学栓塞与向和免疫疗法相结合:一个多中心研究
Wendi Kang1, Peiyun Tang2, Yingen Luo1
1Department of Interventional Therapy, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100021, China.
Academic radiology
|November 28, 2024
概括
使用多参数MRI放射学和临床数据的机器学习模型可以预测不可切除的肝细胞癌 (HCC) 的治疗反应. 综合模型为HCC患者的个性化治疗决策提供了可靠的,非侵入性的工具.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 肝细胞癌 (HCC) 是癌症相关死亡的主要原因.
- 无法切除的HCC需要有效的治疗策略,包括与向治疗和免疫治疗相结合的跨动脉化学栓塞 (TACE).
- 预测治疗反应对于优化患者管理至关重要.
研究的目的:
- 开发和验证机器学习模型,用于预测不可切割的HCC的治疗反应.
- 为了结合临床特征和治疗前多参数MRI放射性特征.
- 评估临床,放射学和组合模型的预测性能.
主要方法:
- 对接受组合治疗的276名无法切除的HCC患者进行了回顾性研究.
- 开发6个机器学习模型,使用16个MRI的放射性特征和2个临床特征.
- 在两个独立的队列中使用AUC,决策曲线分析和增量预测值进行外部验证.
主要成果:
- 临床预测因素包括α-fetoprotein和中性粒细胞与淋巴细胞的比率.
- 联合临床放射学模型在培训和验证队列中实现了0.956,0.895和0.892的AUC.
- 与临床模型相比,放射学显著改善了预测,增量值为49.2%,28.8%和31.5% (P < 0.001).
结论:
- 综合临床放射学模型在预测治疗反应方面表现出高准确度.
- 这种非侵入性方法可以帮助个性化选择治疗的HCC患者.
- 该模型支持改善临床决策,用于HCC的组合治疗.
