多参数MRI放射学和机器学习在预测乳腺癌手术前Ki-67表达水平方面的价值
Yan Lu1, Long Jin1, Ning Ding2
1Department of Radiology, Suzhou Ninth People's Hospital, Ludang Street 2666#, Suzhou, Jiangsu, 215200, PR China.
BMC medical imaging
|January 8, 2025
概括
一个多参数MRI放射学模型有效地预测了乳腺癌中的Ki-67状态. 这种综合性内和周治疗方法有助于为乳腺癌患者提供个性化治疗策略.
科学领域:
- 放射学和医学成像学 医学成像学
- 在瘤学瘤学.
- 机器学习在医学中的应用
背景情况:
- 基-67表达是乳腺癌预后和治疗选择的关键生物标志物.
- 准确的手术前预测Ki-67状态对于个性化治疗策略至关重要.
研究的目的:
- 开发和验证一个多参数磁共振成像 (MRI) 放射学模型,用于预测乳腺癌中手术前Ki-67表达水平.
- 评估结合内和周放射特征的疗效,以提高预测性能.
主要方法:
- 120名乳腺癌患者的回顾性分析,分为培训 (n=84) 和验证 (n=36) 组.
- 使用多参数MRI (T2WI,DCE,DWI,ADC) 从内和周区域提取放射性特征.
- 机器学习算法的应用,包括逻辑回归 (LR) 和线性差异分析 (LDA),使用最小绝对缩小和选择运算符 (LASSO) 进行特征选择.
主要成果:
- 仅使用内或周特征的机器学习模型在验证集中,在曲线下面面积 (AUC) 值低于80%的结果.
- 综合性内和周放射学模型 (模型intra+peri) 显示出卓越的性能.
- 基于模型intra+peri的LR和LDA模型在验证集中实现了高AUC (0.92和0.98),精度 (0.94和0.97),灵敏度 (1和0.96),和特异性 (0.85和1).
结论:
- 使用多参数MRI的综合内和周放射学模型显示了Ki-67表达的显著预测能力.
- 这种先进的放射学模型可以支持乳腺癌患者的个性化临床治疗决策.
- 这些发现突显了放射学在非侵入性评估瘤生物学和指导治疗方面的潜力.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.7K
