预处理 基于CT的机器学习放射学模型预测了在不可操作的第三阶段NSCLC中对应的反应,这些NSCLC接受了同时进行放射化疗加PD-1抑制剂的治疗

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 人工智能的人工智能

背景情况:

• 无法切除的第三阶段非小细胞肺癌 (NSCLC) 提出了治疗挑战.
• 同时化学放射治疗 (CCRT) 后的顺序免疫疗法是一种治疗策略.
• 预测治疗反应对于优化患者管理至关重要.

研究的目的:

• 开发和验证基于CT的放射学模型.
• 在不可切除的III期NSCLC中预测免疫疗法反应后的CCRT.
• 评估模型在风险分层中的有效性.

主要方法:

• 88名用CCRT和顺序免疫疗法治疗的NSCLC患者的回顾性和前性数据.
• 用于瘤划分和放射性特征提取的CT成像.
• 机器学习算法,包括后勤回归,用于构建预测模型.

主要成果:

• 基于后勤回归的放射学模型实现了高AUC值 (前性验证中90%;测试组中84.96%).
• 该模型展示了无进展生存 (PFS) 和总生存 (OS) 的显著风险分层能力.
• 该模型准确地预测了治疗反应和预后.

结论:

• 预处理CT基放射学是预测不可切割的第三阶段NSCLC治疗反应的宝贵工具.
• 开发的模型使接受CCRT和免疫治疗的患者能够有效地进行风险分层.
• 这种方法可以指导NSCLC患者的个性化治疗策略.