多模式机器学习用于评估盆腔测量测量 (盆腔测量) 的预测值,用于恢复性前下切除后的解剖漏洞
Ritch T J Geitenbeek1,2, Simon C Baltus2,3, Mark Broekman1,2
1Department of Surgery, Groningen University Medical Center, University of Groningen, 9713 GZ Groningen, The Netherlands.
Cancers
|March 28, 2025
概括
通过MRI进行盆腔测量可以帮助预测直肠癌手术后的解剖漏洞 (AL). 虽然没有显著改善机器学习模型,但盆腔入口和脊柱间距离是AL的关键风险因素.
科学领域:
- 手术瘤学手术瘤学
- 放射学 放射学是一门学科.
- 医疗成像医学成像
背景情况:
- 解剖管泄漏 (AL) 是直肠癌恢复性手术后的一个重大并发症.
- 准确地对AL进行术前风险分层仍然具有挑战性.
- 对AL的磁共振成像 (MRI) 盆腔测量的预测价值是不确定的.
研究的目的:
- 调查术前骨盆尺寸与AL风险之间的关联.
- 评估机器学习 (ML) 模型在使用临床数据和骨盆测量预测AL方面的性能.
- 确定基于MRI的骨盆测量对AL风险分层的临床实用性.
主要方法:
- 在487名接受修复性手术的直肠癌患者 (2013-2021) 中进行了回顾性多中心队列研究.
- 基于MRI的骨盆测量评估了骨盆尺寸;回归分析确定了风险因素.
- 开发并评估了用于AL预测的ML模型 (逻辑回归,随机森林,XGBoost).
主要成果:
- 总体AL率为14%. 这是一个很好的结果.
- 距离直肠结口,骨盆入口宽度和脊柱间距离是独立的AL风险因素 (p < 0.05).
- 结合骨盆测量的ML模型显示中等的预测性能 (ROC-AUC 0.70 ± 0.09),与没有骨盆测量的模型相比没有统计显著的改善.
结论:
- 盆腔尺寸,特别是盆腔入口和脊柱间距离,独立地与增加AL风险有关.
- 带有骨盆测量的ML模型提供了适度的AL预测,但需要进一步改进.
- 应该考虑盆腔测量来增强手术前AL风险分层工具.
