不同的放射学模型用于预测小肠道 stromal 瘤的恶性潜力

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:

• 小肠 stromal 瘤 (SISTs) 对其恶性潜力提出了诊断挑战.
• 准确预测SIST恶性瘤对于适当的患者管理和治疗策略至关重要.

研究的目的:

• 评估各种放射学模型的可行性,以预测SISTs的恶性潜力.
• 在SIST评估中确定最佳的放射学模型用于临床应用.

主要方法:

• 对140名患有SIST的患者进行了回顾性分析.
• 从CT增强图像中提取了放射学特征,并使用多个机器学习模型进行分析,包括支持矢量机 (SVM),决策树 (DT) 和随机森林 (RF).
• 通过整合临床数据和放射学特征,开发了一个名ogram模型,使用接收器操作者特征曲线 (AUC) 下面的区域和决策曲线分析 (DCA) 评估性能.

主要成果:

• 基于SVM的放射学模型在个别放射学模型中实现了最高的AUC (0.910),超过了其他机器学习方法.
• 结合临床数据和放射学数据的诺米克模型表现出卓越的性能,AUC为0.938.
• 放射学和名图模型都表现出显著的临床实用性,这是DCA证实的.

结论:

• 基于SVM的放射学模型是最有效的用于预测SISTs的恶性潜力.
• 放射学和名图模型在评估SIST恶性瘤方面提供了高的预测准确性和临床价值.
• 这些先进的模型可以帮助临床医生更好地分层风险,并指导SIST患者的治疗决策.