机器学习放射学用于预测不可切除的肝细胞癌中对MR导向放射治疗的反应:一个多中心队列研究
Ke Su1,2,3, Xin Liu1,4, Yue-Can Zeng5
1Department of Radiation Physics, Shandong Cancer Hospital and Institute, Shandong First Medical University and Shandong Academy of Medical Sciences, Jinan, 250117, People's Republic of China.
Journal of hepatocellular carcinoma
|May 15, 2025
概括
磁共振 (MR) 指导的低分离放射治疗对不可切除的肝细胞癌 (HCC) 有效且安全. 机器学习放射学准确地预测了患者对这种治疗的反应.
科学领域:
- 在瘤学瘤学.
- 辐射疗法 辐射疗法
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 评估MR指导的低分离放射治疗对不可切除的肝细胞癌 (HCC) 的疗效和安全性.
- 利用基于机器学习的放射学来预测HCC患者的治疗反应.
研究的目的:
- 评估MR指导的低分离放射治疗在无法切除的HCC患者中的有效性和安全性.
- 开发和验证一种机器学习放射学模型,用于预测治疗反应.
主要方法:
- 对118名HCC患者进行了回顾性分析,这些患者接受了MR指导的低分离放射治疗.
- 放射学特征是从总瘤体积 (GTV) 提取和K-平均集群用于癌症亚型分化.
- 开发和内部验证9个机器学习模型,包括多层感知器 (MLP),使用5倍交叉验证.
主要成果:
- 目标应答率 (ORR) 为54.4%,中位数无进展生存期 (mPFS) 为21.7个月,中位数整体生存期 (mOS) 为40.7个月.
- 没有观察到3/4级不良事件;从1130个提取的特征中确定了7个关键的放射性特征.
- MLP模型实现了高预测性能 (ROC-AUC0.804内部,0.842外部验证) 并确定了具有不同预后的两个不同的HCC亚型.
结论:
- 用MR指导的放射治疗显示出显著的疗效和对不可切除的HCC.有利的安全概况.
- 开发的机器学习放射学模型准确地预测了接受放射治疗的不可操作的HCC患者的治疗反应.
