一种基于超声波的机器学习模型,用于预测乳腺癌中的瘤透淋巴细胞
Boya Liu1,2, Xiangrong Gu3, Danling Xie1,4
1Department of Ultrasound, Daping Hospital, Army Medical University, Chongqing, China.
Technology in cancer research & treatment
|April 17, 2025
概括
使用超声波放射学的机器学习模型可以准确地预测乳腺癌 (BC) 中的瘤透淋巴细胞 (TIL). 这种方法有助于通过识别关键预测特征来个性化BC患者的治疗策略.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 瘤透淋巴细胞 (TIL) 是乳腺癌 (BC) 的关键预后指标,影响免疫反应.
- 准确预测TIL水平对于在BC管理中定制个性化治疗策略至关重要.
研究的目的:
- 开发和验证用于预测乳腺癌TIL水平的机器学习模型.
- 利用超声波衍生的放射学和临床特征来提高TIL预测的准确性.
主要方法:
- 对256名乳腺癌患者进行超声波成像的回顾性分析.
- 从内和周区域提取1712个放射学特征;特征选择的Boruta方法.
- 使用额外树木分类器开发放射学,临床和联合放射学-临床 (R-C) 模型.
主要成果:
- 结合的RC和放射学模型在预测TIL水平方面显著超过临床模型 (AUC0.869/0.838与0.627).
- 五个关键的放射学特征 (4周围瘤,1内瘤) 被确定为重要的预测因素.
- 在RC和放射学模型中观察到更高的精度和校准,RC模型在决策曲线分析中显示出最高的净效益.
结论:
- 超声波衍生放射学是预测乳腺癌TIL水平的有效工具.
- 这种预测能力为开发BC个性化治疗和监测策略提供了有价值的见解.
