基于CT的机器学习放射学建模:卵巢癌患者的生存预测和机制探索
Rixin Su1, Yu Zhang1, Xueya Li1
1Department of Chinese Integrative Medicine Oncology, The First Affiliated Hospital of Anhui Medical University, Hefei 230022, China (R.S., Y.Z., X.L., X.L., H.Z., X.H., P.L.).
Academic radiology
|January 18, 2025
概括
使用计算机断层扫描 (CT) 的新放射学模型 (Rad-score) 有效预测卵巢癌患者的整体存活率. 将这一分数与基因组数据结合起来,确定EMP1是关键基因,将放射学与瘤生物学联系起来.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 基因组学就是基因组学.
背景情况:
- 卵巢癌的预后仍然具有挑战性.
- 准确预测整体存活率对于患者管理至关重要.
研究的目的:
- 使用CT开发放射学模型,以预测卵巢癌的整体存活率.
- 将基因组数据与放射学分数 (Rad-score) 整合起来,以了解基因表达关联.
主要方法:
- 455名卵巢癌患者CT和临床数据的回顾性分析.
- 使用考克斯回归和LASSO方法开发一个Rad-score.
- 来自TCGA的基因组数据分析,以确定差异性基因表达和枢纽基因.
主要成果:
- 结合FIGO阶段,残留疾病和Rad-score的预测模型显示出高预测准确度 (AUC高达0.906).
- 临床放射学模型显示出良好的临床适用性和净益处.
- EMP1被确定为一个枢纽基因,可能参与细胞外矩阵组织和焦点粘附.
结论:
- FIGO阶段,残留疾病和Rad-score有效预测卵巢癌的整体存活率.
- 通过反映EMP1表达及其生物功能,Rad-score可以预测预后.
更多相关视频
08:55Murine Model for Non-invasive Imaging to Detect and Monitor Ovarian Cancer Recurrence
Published on: November 2, 2014
12.2K
10:35An Orthotopic Model of Serous Ovarian Cancer in Immunocompetent Mice for in vivo Tumor Imaging and Monitoring of Tumor Immune Responses
Published on: November 28, 2010
18.2K
