对非小细胞肺癌术后生存预测模型的研究:基于多器官成像特征和各种机器学习算法的放射学技术工作流程的应用
Hanlin Wang1, Yuan Hong2, Zimo Zhang3
1Department of Thoracic Surgery, The First Affiliated Hospital of Anhui Medical University, Hefei, China.
Frontiers in medicine
|February 20, 2025
概括
使用直立脊柱放射学特征的新预测模型显示,对非小细胞肺癌 (NSCLC) 存活有希望. 这种方法提高了术后结果的预后准确性和稳定性.
科学领域:
- 放射学和医学成像技术
- 瘤学和癌症研究研究.
- 医疗保健中的机器学习
背景情况:
- 非小细胞肺癌 (NSCLC) 的生存预测仍然具有挑战性.
- 整合不同的成像功能可以改善预后模型.
- 现有的模型可能无法充分利用所有相关的成像数据.
研究的目的:
- 开发一个有效的预测模型,用于NSCLC患者的两年术后生存期.
- 调查整合起器脊柱和整个肺部放射学特征的实用性.
- 通过机器学习提高预后预测的准确性和稳定性.
主要方法:
- 收集了来自37名手术治疗的NSCLC患者和98名TCIA的CT成像数据.
- 从瘤,整个肺和直立脊柱肌肉中提取了放射性特征.
- 应用了11个机器学习算法来构建和比较预测模型.
主要成果:
- 使用起器脊柱特征的K-最近邻居 (KNN) 模型实现了最佳性能.
- 在训练和外部测试套件中,KNN模型表现出一致的准确性和AUC> 0.7.
- 包括AdaBoost在内的全肺成像模型在外部验证中表现较差.
结论:
- 勃起脊柱成像功能首次成功引入到肺癌研究中.
- 开发了一种稳定有效的NSCLC手术后生存预测模型.
- 整合多器官成像功能对于提高预测模型准确性和稳定性至关重要.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
204
