诊断人工智能模型使用简化检查预测非小细胞肺癌中的淋巴结状况
Ryuichi Yoshimura1, Yoshitaka Endo2, Takuya Akashi3
1Department of Thoracic Surgery, School of Medicine, Iwate Medical University, Iwate, Japan.
Journal of thoracic disease
|December 16, 2024
概括
人工智能准确地预测非小细胞肺癌 (NSCLC) 患者的淋巴结转移,使用简单的医疗数据. 这种AI模型有助于在没有高级成像的情况下选择外科手术程序.
科学领域:
- 医疗数据分析 医疗数据分析
- 在瘤学瘤学.
- 医学中的人工智能.
背景情况:
- 非小细胞肺癌 (NSCLC) 的管理需要准确的淋巴结转移预测.
- 目前用于转移评估的方法可能是侵入性的或资源密集的.
研究的目的:
- 开发和验证一种人工智能 (AI) 模型,用于预测NSCLC患者的淋巴结转移.
- 利用医疗检查中的随时可用的临床数据进行预测.
主要方法:
- 对988名接受肺切除和淋巴结解剖的NSCLC患者的回顾性分析.
- 数据收集包括临床特征,瘤特征和来自普通CT扫描的血液测试.
- 6个机器学习算法 (SVC,k-NN,LR,RF,GB,MLP) 进行了训练和验证.
主要成果:
- 梯度提升 (GB) 模型表现出最高的性能.
- 实现了80.0%的准确性和95.6%的特异性.
- 曲线下的面积 (AUC) 为0.75,表明了良好的预测能力.
结论:
- 开发的AI模型在预测淋巴结转移方面表现出高的特异性和准确性.
- 有潜力指导NSCLC患者的手术程序选择,可能避免对比度增强的CT或PET扫描.
