使用机器学习确定CT定义的肌肉损失的门,用于口腔癌的存活放射治疗后,使用机器学习
Jie Lee1,2, Jhen-Bin Lin3, Wan-Chun Lin4
1Department of Radiation Oncology, MacKay Memorial Hospital, Taipei, Taiwan. sinus.5706@mmh.org.tw.
European radiology
|December 20, 2024
概括
放射治疗后肌肉损失4.2%或以上与口腔癌患者的死亡风险增加有关. 这一发现有助于识别高风险个体,并指导改善生存的干预措施.
科学领域:
- 在瘤学瘤学.
- 辐射疗法 辐射疗法
- 人工智能的人工智能
背景情况:
- 放射治疗后的肌肉损失与口腔状细胞癌 (OCSCC) 的存活率降低有关.
- 影响生存率的显著肌肉损失的精确门仍未确定.
研究的目的:
- 使用可解释的人工智能 (AI) 来确定与OCSCC患者的生存相关的肌肉损失的临界门.
- 根据放射治疗后肌肉质量变化,识别患有较高死亡风险的患者.
主要方法:
- 使用了1087名OCSCC患者的队列,接受了手术和放射治疗.
- 使用CT扫描测量骨肌肉指数 (SMI) 变化,用于放射治疗前后的CT扫描.
- 开发并验证了AI模型 (RF,XGBoost,CatBoost) 和SHAP分析,以确定肌肉损失值和预测死亡率.
主要成果:
- 人工智能模型在预测全因死亡率 (AUC > 0.84) 中表现出很高的性能.
- 可解释的AI始终确定骨肌肉指数 (SMI) 损失≥4.2%是死亡率最重要的预测因素.
- 在导出和验证队列中,SMI损失≥4.2%独立地与增加全因死亡风险相关 (HR 6.66-8.46,p<0.001).
结论:
- 放射治疗后肌肉损失值≥4.2%被确定为OCSCC中增加死亡风险的关键指标.
- 这一发现为临床医生提供了一个可量化的目标,以确定需要干预以改善肌肉质量和潜在的生存率的患者.
- 可解释的人工智能为定义癌症治疗的预后值提供了一个强大的工具.
