基于DCE-MRI的机器学习模型,用于预测乳腺癌中带淋巴结转移的发生

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 人工智能的人工智能

背景情况:

• 精确的乳腺癌分期,特别是状淋巴结 (ALN) 状态,对于治疗规划至关重要.
• 转移到ALNs显著影响患者的预后和治疗策略.

研究的目的:

• 开发和验证人工智能 (AI) 模型,用于预测乳腺癌中ALN转移.
• 为了利用治疗前的动态对比增强磁共振成像 (DCE-MRI) 和放射学特征进行转移预测.

主要方法:

• 分析了166名乳腺癌患者治疗前的DCE-MRI扫描数据集.
• 从二维和三维图像中提取了放射性特征,包括增强前和增强后的早期阶段.
• 机器学习算法,特别是最小绝对收缩选择运算符 (LASSO),用于构建预测模型.

主要成果:

• 一个3D放射学模型通过十倍交叉验证实现了曲线下的平均面积 (AUC) 82%和准确度82%.
• 综合放射学和临床特征的综合模型显示高C指数为90%,AUC为90%.

结论:

• 开发的AI模型整合了DCE-MRI放射学和临床数据,准确地预测了乳腺癌患者的下淋巴结转移.
• 这种方法提供了一个有希望的非侵入性工具,以提高ALN分期的诊断准确性.