人类表皮生长因子受体2表达在胃癌的非侵入性评估基于深度学习:基于计算机断层扫描的多中心研究
Zhong-Hui Wu1, Xiao-Rong Ren2, Yu-Qi Meng1
1Department of Radiology, Xinhua Hospital, Shanghai Jiaotong University Medical School, Shanghai 200092, China (Z.H.W., Y.Q.M., X.Y.W., N.X.Y., X.Y.W., G.R.); Shanghai Medical College, Fudan University, Shanghai 200032, China (Z.H.W., X.R.R., Y.Q.M.).
Academic radiology
|January 27, 2025
概括
这项研究开发了一种计算机断层扫描 (CT) 放射学模型,用于预测胃癌中人类表皮生长因子受体2 (HER2) 表达. 该模型显示出有前途的准确性,有助于对HER2阳性胃癌患者的治疗决策.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 人类表皮生长因子受体2 (HER2) 表达是胃癌的关键生物标志物,影响治疗策略和患者预后.
- 准确预测HER2状态对于胃癌管理中的个性化治疗至关重要.
研究的目的:
- 开发和验证HER2在胃癌表达的预测模型,使用计算机断层扫描 (CT) 放射学.
- 评估基于CT开发的HER2预测模型的稳定性和临床实用性.
主要方法:
- 一项回顾性研究涉及来自三个医院的1059名胃癌患者.
- 抽取和分析静脉相CT放射性特征,然后进行维度缩小.
- 开发和比较多种预测模型,包括拉索规范后勤回归和支持向量机,使用特征选择技术,如RFE.
主要成果:
- 使用RFE的LR-Lasso模型在训练组中达到0.7874的曲线下面积 (AUC),在外部测试组中达到0.8033,实现了最高的预测性能.
- 与其他开发的模型相比,该模型在决策曲线分析中显示出更高的净收益.
- 该研究成功地从CT扫描中确定了放射性特征,这些特征可以预测胃癌中HER2的表达.
结论:
- 基于CT的放射学模型,特别是LR-Lasso方法,显示出在胃癌中准确预测HER2表达的巨大潜力.
- 这种非侵入性预测模型可以帮助选择治疗方法,并改善胃癌患者的治疗结果.
- 开发的模型为HER2阳性胃癌的临床管理提供了一个有前途的工具.
