使用基于CT成像放射学的多种机器学习模型,预测HIV相关肺腺癌患者的Ki-67表达
Chang Song1, Jingsong Chen2, Chunyan Zhao1
1Tuberculosis Department, Nanning Fourth People's Hospital, Nanning, Guangxi, 530023, People's Republic of China.
Cancer management and research
|April 30, 2025
概括
使用CT扫描的放射学模型可以在HIV相关的肺腺癌 (LUAD) 中预测Ki-67水平. 这样可以避免HIV患者需要精确瘤评估的风险手术.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 传染性疾病 传染性疾病
背景情况:
- 肺腺癌 (LUAD) 的发病率在艾滋病毒感染者中较高.
- 基-67表达是LUAD扩散的一个关键生物标志物.
- 侵入性Ki-67评估对艾滋病毒患者构成风险.
研究的目的:
- 评估一种非侵入性放射学模型,用于预测HIV相关的LUAD中的Ki-67表达.
- 为了确定基于CT的放射学对Ki-67评估的临床价值.
主要方法:
- 分析了237名与艾滋病毒相关的LUAD患者的队列.
- 从手术前的CT图像中提取了放射性特征.
- 一个支持向量机 (SVM) 模型被开发和验证用于Ki-67的预测.
主要成果:
- 从1834个初始特征中选择了16个最佳放射性特征.
- SVM模型实现了高灵敏度 (0.86-0.89) 和特异性 (0.89-0.92).
- 该模型表现出极好的预测准确性,AUC为0.975 (训练) 和0.905 (测试).
结论:
- 基于CT的放射学模型可以准确而非侵入性地预测HIV相关的LUAD中的Ki-67表达.
- 这种方法为艾滋病毒患者提供了侵入性手术的更安全的替代方案.
- 这项研究为研究免疫缺陷中的瘤异质性开辟了新的途径.
