基于手术前多参数定量DWI的机器学习模型可以有效预测胰腺管道腺癌的存活率和复发风险
Chao Qu1,2, Piaoe Zeng3, Changlei Li1
1Department of Hepatobiliary and Pancreatic Surgery, The Affiliated Hospital of Qingdao University, Qingdao, China.
Insights into imaging
|February 17, 2025
概括
结合扩散权重成像 (DWI) 和临床数据的新机器学习模型准确地预测胰腺癌患者的生存率和复发率. 这个工具有助于分层风险,以便在手术后做出更好的治疗决策.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 机器学习 机器学习
背景情况:
- 胰腺管腺癌 (PDAC) 在预测患者的结果方面存在重大挑战.
- 准确的预后对于有效的治疗计划和患者管理至关重要.
研究的目的:
- 开发和验证一个机器学习 (ML) 模型,整合术前多参数扩散加权成像 (DWI) 和临床特征.
- 为了提高总生存率 (OS) 和无复发生存率 (RFS) 的预测,在接受激进手术的PDAC患者中.
主要方法:
- 对234名经过彻底切除的PDAC患者进行了回顾性分析.
- 开发和评估101ML模型,根据C指数,Brier分数,AUC和校准选择表现最佳的模型.
- 使用Kaplan-Meier生存分析验证风险分层.
主要成果:
- 一个随机生存森林模型显示了OS和RFS的优异预测准确性 (C指数0.828/0.781).
- 关键预测因素包括DWI参数 (ADC值),D值,T阶段,CA19-9,AJCC阶段,瘤分化,手术类型,瘤位置和年龄.
- 该模型表现出强的表现,Brier分数<0.13和AUC>0.85,优于传统模型.
结论:
- 开发的基于DWI的放射性临床ML模型准确预测PDAC的预后,并分层患者的风险.
- 这个模型提供了一个有价值的工具,用于指导PDAC患者在切除后的临床治疗决策.
