使用基于机器学习的超声波技术进行巨型肝细胞癌的手术前预测
Yahong Li1, Shaobo Duan2, Shanshan Ren3
1Department of Ultrasound, Zhengzhou University People's Hospital, Henan Provincial People's Hospital, Henan, People's Republic of China.
Journal of hepatocellular carcinoma
|April 17, 2025
概括
这项研究开发了一种使用机器学习的超声学模型,用于在手术前预测巨型状巨型肝细胞癌 (MTM-HCC). 结合临床和超声波数据,提高了预测准确度,提供了一个新的非侵入性诊断工具.
科学领域:
- 肝胆道手术是肝胆道的手术.
- 医学成像医学成像
- 机器学习在瘤学中
背景情况:
- 大型肝细胞癌 (MTM-HCC) 是HCC的攻击性亚型,与预后不佳有关.
- 精确的MTM-HCC手术前鉴定对于手术规划和患者管理至关重要.
研究的目的:
- 构建和验证一个超声学模型,用于MTM-HCC的非侵入性,手术前预测.
- 评估机器学习算法在使用超声波图像特征预测MTM-HCC方面的性能.
主要方法:
- 对211名经过肝脏手术的HCC患者进行了回顾性分析.
- 使用基于超声波特征的五种机器学习算法 (RF,XGBoost,SVM,DT,LR) 开发超声波模型.
- 构建用于MTM-HCC预测的临床和组合 (临床+超相) 模型.
- 在测试组上使用AUC,灵敏度,特异性和精度进行性能评估.
主要成果:
- 超声波和组合模型有效预测了MTM-HCC.
- 组合模型在结合了临床特征后,与仅使用超相对的模型相比,AUC有所改善.
- 基于随机森林 (RF) 的组合模型表现出高精度和特异性,优于其他模型.
结论:
- 基于机器学习的超声波模型对于手术前MTM-HCC预测是有效的.
- 整合临床和超声波图像特征显著提高预测性能.
- 这种方法为手术前的MTM-HCC诊断提供了一种新的非侵入性方法.
