相关实验视频
Updated: Jun 21, 2026
11:11
Detection of Rare Mutations in CtDNA Using Next Generation Sequencing
Published on: August 24, 2017
基于CT的放射基因组学模型的外部验证,用于检测NSCLC中的EGFR突变,并通过使用合成少数群体对采样 (SMOTE) 在模型构建中的流行程度的影响:经验教训
Andres A Kohan1, S A Mirshahvalad2, R Hinzpeter3
1Joint Department of Medical Imaging, Princess Margaret Hospital, University Health Network, University of Toronto, Toronto, ON, Canada (A.A.K., S.A.M., R.H., R.K., C.O., U.M., P.V.-H.); Joint Department of Medical Imaging, University Health Network, 263 McCaul St 4th Floor, Toronto, ON M5T 1W7, Canada (A.A.K.).
Academic radiology
|May 16, 2025
概括
在外部验证后,用于预测非小细胞肺癌 (NSCLC) 表皮生长因子受体 (EGFR) 突变的放射遗传学模型表现不佳. 仅仅临床数据提供了比放射学更好的预测,即使是在数据增强后.
科学领域:
- 放射基因组学是指放射基因组学.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 放射基因组学使用成像特征来识别非小细胞肺癌 (NSCLC) 中的分子变化.
- 以前的模型使用对比增强计算机断层扫描 (CECT) 预测了表皮生长因子受体 (EGFR) 突变.
- 外部验证和突变患病率对模型性能的影响需要评估.
研究的目的:
- 为外部验证放射遗传学模型,用于预测NSCLC中的EGFR突变.
- 用SMOTE评估EGFR突变患病率对模型性能的影响.
- 为了比较放射学,临床数据和组合模型的预测值.
主要方法:
- 在独立的NIH队列 (n=140) 上验证了一种放射基因组学模型.
- 创建了SMOTE增强数据集,以模拟不同的EGFR突变流行率 (25%-50%).
- 开发并交叉验证了七个模型 (原始和SMOTE增强),使用AUC比较性能.
主要成果:
- 外部验证显示放射基因组学模型的性能不佳 (AUC ~0.5).
- 仅仅临床变量就实现了更高的诊断准确性 (AUC 0.74).
- SMOTE增强增加了灵敏度,但不是整体AUC;突变流行率的影响最小.
结论:
- 放射基因组学模型未能通过外部验证,在EGFR突变预测的临床数据之外,其预测价值有限.
- 仅仅临床变量就显示出强大的预测价值.
- 强大的外部验证和数据共享对于放射基因组模型的临床实施至关重要.
