基于机器学习的超声波放射学用于预测肝细胞癌中的TP53突变状态
Didi Bu1, Shaobo Duan2, Shanshan Ren3
1Department of Ultrasound, Zhengzhou University People's Hospital, Henan Provincial People's Hospital, Zhengzhou University, Zhengzhou, China.
Frontiers in medicine
|May 13, 2025
概括
机器学习和超声波放射学可以预测肝细胞癌 (HCC) 中TP53基因突变. 使用放射学和临床数据的组合模型显示了最高的准确性,为TP53-突变的HCC提供了非侵入性查工具.
科学领域:
- 肝细胞癌研究 肝细胞癌研究
- 医学成像分析 医学成像分析
- 基因组突变检测 检测基因组突变
背景情况:
- 肝细胞癌 (HCC) 是一个主要的全球健康问题.
- TP53基因突变在HCC中很常见,影响治疗决策.
- 需要使用非侵入性方法来预测TP53状态.
研究的目的:
- 评估基于机器学习的超声波放射学在预测HCC中TP53基因突变方面的有效性.
- 为了比较放射学,临床和组合模型在预测TP53突变方面的性能.
主要方法:
- 对154名HCC患者 (182病变) 的回顾性分析.
- 超声波放射学特征的提取和选择.
- 使用XGBoost,DT,RF,SVM和LR的预测模型的开发和比较.
主要成果:
- 超声波放射学模型实现了0.778.8的AUC.
- 临床模型的AUC达到0.761.1.
- 结合的XGBoost模型表现出最高的性能,AUC为0.846和准确度为0.823.
结论:
- 基于机器学习的超声波放射学有效预测HCC中的TP53突变.
- 结合放射学和临床数据的综合模型为查TP53突变HCK提供了一个有希望的非侵入性方法.


