使用机器学习和放射学预测晚期卵巢癌治疗反应和生存率:系统性审查
Sabrina Piedimonte1, Mariam Mohamed2, Gabriela Rosa3
1Division of Gynecologic Oncology, Hospital Maisonneuve Rosemont, University of Montreal, Montreal, QC H3T 1J4, Canada.
Cancers
|February 13, 2025
概括
机器学习和放射学 (ML / RM) 在预测卵巢癌治疗反应和生存方面越来越有前途. 在临床整合之前,建议在多中心试验中进一步验证.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是指放射学
- 数据科学数据科学数据科学
背景情况:
- 机器学习和放射学 (ML/RM) 在卵巢癌 (OC) 研究中越来越多地被探索.
- 在OC中使用ML/RM预测治疗反应是一个研究有限的新兴领域.
研究的目的:
- 系统地审查有关OC的ML/RM应用的文献.
- 专注于预测治疗反应和生存结果的研究.
主要方法:
- 对1985年1月至2023年12月的文献进行系统审查.
- 两个独立审稿人选了5576篇文章,其中225篇用于分析.
- 使用MINORS标准评估质量;皮尔森奇二次测试的p值.
主要成果:
- 包括225项研究;在2021-2023年间发表的49项研究表明了快速增长.
- 神经网络和LASSO是常见的算法;13项研究专注于治疗反应的放射性预测.
- ML/RM模型显示化学疗法响应 (0.77) 和细胞减少 (0.82) 的AUC值是有希望的,并且对生存预测具有很高的准确性.
结论:
- ML/RM算法越来越多地用于预测OC治疗反应.
- 这些预测模型在临床采用之前需要在前性多中心试验中进行验证.


