从电子健康记录设计的风险因子评分与数字细胞学图像评分系统相结合,改善膀癌检测:概念验证研究
Sandie Cabon1, Sarra Brihi2, Riadh Fezzani2
1Univ Rennes, CHU Rennes, INSERM, LTSI - UMR 1099, F-35000 Rennes, France.
Journal of medical Internet research
|January 22, 2025
概括
结合临床风险因素和数字细胞学图像,可以改善膀癌的检测,特别是在低度病例中. 这种综合方法为早期诊断和患者获益提供了更强大的评分系统.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 膀癌死亡率需要改进早期检测方法.
- 目前的诊断工具缺乏非侵入性,负担能力和高性能.
- 细胞学图像分类模型显示有前途,但需要进一步改进.
研究的目的:
- 评估将临床风险因素数据与用于膀癌检测的数字细胞学图像模型 (VisioCyt) 结合起来.
- 开发一个强大的膀癌评分系统,使用综合的临床和基于图像的数据.
主要方法:
- 使用临床数据和机器学习算法 (物流回归,随机森林,SVM) 开发了一个预测模型.
- 从医院的临床数据库中提取风险因素.
- 研究了将临床风险得分与VisioCyt图像模型得分相结合的策略.
主要成果:
- 基于风险因素的模型是使用来自5422名患者的数据来设计的.
- 组合模型在620名患者的数据集上实现了0.82 (培训) 和0.83 (测试) 的曲线下面面积 (AUC).
- 综合方法显示,与单独使用VisioCyt相比,癌症风险相关性更高,尤其是低度膀癌.
结论:
- 结合临床和生物信息显著提高了膀癌的检测能力,特别是在低度瘤中.
- 为了模型的稳定性,需要进一步完善自动临床特征提取.
- 综合方法显示出对患者结果的潜在益处.
