用机器学习支持的MRI放射学预测垂体腺瘤对玛刀放射手术的体积反应

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 医学成像分析 医学成像分析

背景情况:

• 玛刀放射性手术 (GKRS) 是一种常见的治疗残留或复发性垂体腺瘤 (PA).
• 由于观察到的变异性,预测体积瘤对GKRS的反应至关重要.
• 放射学是一种定量成像分析,尚未被探索用于预测PA对GKRS的反应.

研究的目的:

• 率先使用放射性MRI分析来预测垂体腺瘤对GKRS的体积反应.
• 开发和评估放射学模型,用于预测接受GKRS的PA患者的治疗结果.

主要方法:

• 对81名接受GKRS治疗的患者进行了回顾性观察队列研究.
• 从预处理前的3-特斯拉MRI扫描中提取放射性特征 (强度,形状,纹理).
• 应用LASSO用于特征选择和各种分类器 (随机森林,SVM等). 为了建立预测模型.

主要成果:

• 放射学模型实现了高预测性能,AUC值高达0.928和R2高达0.665.
• 单序 (T1w) 和双序 (T1w + CE-T1w) 放射学模型显示出强大的预测能力.
• 结合临床病理 (CP) 参数 (CP + T1w + CE-T1w) 的多模式模型也表现良好 (AUC 0.909).
• 所有开发的放射学模型都显著优于仅使用CP特征的基准模型 (AUC 0.846).

结论:

• 这项研究证明了基于MRI的放射学在用GKRS治疗的垂体腺瘤中预测体积反应的潜力.
• 与传统的临床病理学参数相比,放射学模型提供了更好的预测性能.
• 这些发现支持使用放射学在PA管理中的治疗个性化.