通过基于机器学习算法的多参数磁共振放射学预测新辅助疗法后直肠癌的T阶段
Tingting Nie1, Zilong Yuan1, Yaoyao He1
1Department of Radiology, Hubei Cancer Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China.
Technology in cancer research & treatment
|December 13, 2024
概括
在直肠癌 (RC) 中,准确预测治疗后的T阶段至关重要. 多参数MRI放射学模型与机器学习相结合,显著提高了接受新辅助治疗的RC患者的pT阶段预测准确度.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 对新辅助疗法的直肠癌 (RC) 治疗反应有显著的差异.
- 准确预测治疗后的T (pT) 阶段对于有效的患者管理至关重要.
- 目前用于pT阶段预测的方法需要改进.
研究的目的:
- 评估多参数MRI放射学模型在RC中对pT阶段的预测效用.
- 识别用于pT阶段预测的最准确的机器学习 (ML) 算法.
- 评估放射学和临床特征的综合价值.
主要方法:
- 在新辅助治疗前接受3TMRI的171名RC患者的回顾性分析.
- 在T2加权成像 (T2WI) 和对比度增强的T1加权成像 (CE-T1WI) 上进行手动瘤细分,以提取放射学特征.
- 使用ML分类器开发临床,放射学 (T2WI,CE-T1WI) 和融合模型.
主要成果:
- 融合模型结合了临床,T2WI和CE-T1WI放射学特征,使用LR算法实现了最高的预测性能 (AUC = 0.967训练,0.932测试).
- 支持矢量机 (SVM) 算法显示了T2WI (AUC = 0.969训练,0.839测试) 和CE-T1WI (AUC = 0.868训练,0.760测试) 模型的高效率.
- 对于临床模型来说,LightGBM算法是最有效的 (AUC = 0.857训练,0.702测试).
结论:
- 来自CE-T1WI和T2WI的放射学特征以及临床数据是RC中pT阶段的有效预测因素.
- 基于ML的多参数MRI放射学模型结合了临床特征,提高了PT阶段预测的准确性.
- 这种方法为直肠癌的个性化新辅助疗法提供了一个有前途的工具.
