将临床特征与CT放射学结合起来,根据人工智能算法预测小质的Ki67表达水平
Junyi Lin1,2,3,4, Yongyi Ou5, Mingli Luo5
1Department of Urology, The First Affiliated Hospital, Guangzhou Medical University, Guangzhou, Guangdong, China.
Frontiers in oncology
|March 10, 2025
概括
一个人工智能模型预测了小质 (SRM) 中的Ki67表达,帮助临床决策. 这种人工智能工具有助于非侵入性地评估SRM的攻击性,改善患者管理.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 小型质 (SRM) 往往具有良好的预后,但有些人表现出侵略性行为.
- 增殖标志物Ki67可以帮助识别具有侵略性的小质.
- 对Ki67表达的非侵入性评估对于临床决策至关重要.
研究的目的:
- 开发一种基于人工智能 (AI) 的模型,用于预测小质中Ki67表达水平.
- 为评估小质的潜在攻击性提供一种非侵入性工具.
- 为了支持小质患者的临床决策.
主要方法:
- 总共包括来自两个中心的241名患者,数据分为培训,验证和测试队列.
- 使用过量抽样技术,以确保培训队伍中的阶级平衡.
- 一个规范的随机森林模型被开发和验证,用于预测Ki67表达.
主要成果:
- 人工智能模型实现了接收器操作特征曲线 (AUROC) 下的区域值为0.802 (培训),0.878 (验证) 和0.668 (测试).
- 该模型的平衡精度为0.744 (培训),0.808 (验证) 和0.679 (测试).
- 进行了模型解释,并开发了一个Web应用程序.
结论:
- 成功开发了一种基于人工智能的预测模型,用于在小质中非侵入性评估Ki67表达.
- 该模型为管理小质的临床决策提供了有价值的工具.
- 这种人工智能方法可以帮助区分惰和潜在的攻击性小质.
更多相关视频
09:31In Vivo, Percutaneous, Needle Based, Optical Coherence Tomography of Renal Masses
Published on: March 30, 2015
8.8K
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