在胃癌中进行多队列研究,以开发基于CT的放射性模型,以预测对新辅助免疫治疗的病理反应
Ze-Ning Huang1,2, Hao-Xiang Zhang1,2, Yu-Qin Sun1,2,3
1Department of Gastric Surgery, Fujian Medical University Union Hospital, No. 29 Xin-quan Road, Fuzhou, Fujian Province, 350001, China.
Journal of translational medicine
|March 25, 2025
概括
使用放射学的新机器学习模型可以预测接受新辅助免疫治疗的局部晚期胃癌 (LAGC) 患者的治疗反应. 这个工具有助于个性化治疗策略,以获得更好的结果.
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:
- 新辅助免疫疗法改善了胃癌患者的生存率.
- 局部晚期胃癌 (LAGC) 需要有效的治疗反应预测.
- 预测主要病理反应 (MPR) 对于治疗分层至关重要.
研究的目的:
- 开发和验证基于放射学的机器学习 (ML) 模型.
- 在接受新辅助免疫治疗的LAGC患者中预测MPR.
- 加强临床决策,以实现个性化治疗.
主要方法:
- 对268名LAGC患者进行了回顾性多中心队列研究.
- 从CT图像中提取放射性特征;选择了前20个特征.
- 训练并验证了九个ML算法,使用贝叶斯方法进行优化.
主要成果:
- 一个优化的贝叶斯-LightGBM模型在开发,内部和外部验证队列中显示出强大的MPR预测.
- 该模型实现了高性能指标,包括AUC从0.714到0.828.
- SHAP分析确定了关键的放射性特征,有助于预测的准确性.
结论:
- 基于放射学的ML模型有效预测LAGC中新辅助免疫治疗的病理反应.
- 该模型支持LAGC患者的个性化治疗策略.
- 这种方法为改善治疗结果提供了一个有希望的工具.
