基于机器学习的MRI放射学预测IL18表达和低度质瘤患者的整体存活率
Zhe Zhang1,2,3,4, Yao Xiao1,2,3,4, Jun Liu1,2,3,4
1Department of Neurosurgery, The Second Affiliated Hospital, Jiangxi Medical College, Nanchang University, Nanchang, China.
NPJ precision oncology
|June 18, 2025
概括
这项研究开发了一种使用增强型MRI的放射学模型,用于预测低级质瘤 (LGG) 患者的INTERLEUKIN-18 (IL18) 表达. 该模型对预测IL18状态和LGG的预后具有前景.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 免疫学 免疫学 免疫学
背景情况:
- 介素-18 (IL18) 在免疫调节中起着重要作用.
- 预测IL18在低度质瘤 (LGG) 中的表达对于了解疾病进展至关重要.
研究的目的:
- 开发和验证放射学模型,用于预测LGG患者IL18表达状态.
- 评估LGG预后的放射学模型的临床实用性.
主要方法:
- 利用了来自LGG患者的基因组和增强磁共振成像 (MRI) 数据.
- 使用PyRadiomics提取放射性特征,并使用最大相关性,最小冗余性和递归特征消除进行特征选择.
- 训练了一个梯度增强机模型来预测IL18表达,并使用医院MRI数据进行外部验证.
主要成果:
- 放射学模型实现了接收器操作特征曲线下的面积为0.861 (训练),0.788 (验证) 和0.762 (外部验证).
- 校准曲线和决策曲线分析证实了该模型的准确性和临床适用性.
- 该模型有效地预测了LGG中的IL18表达状态和预后.
结论:
- 基于MRI的增强型放射学模型可以准确预测LGG中的IL18表达.
- 这种方法提供了一种非侵入性方法来评估IL18状态并预测LGG患者的结果.
更多相关视频
09:40Characterization of Functionally Associated miRNAs in Glioblastoma and their Engineering into Artificial Clusters for Gene Therapy
Published on: October 4, 2019
5.7K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.9K
