一个基于手术前CT成像的艰难腹腔镜胆囊切除术的放射学临床预测模型:一个回顾性单中心研究

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 手术瘤学手术瘤学

背景情况:

• 精确的手术前识别困难的腹腔镜胆囊切除术 (DLC) 仍然是一个重大的临床挑战.
• 以前使用临床变量或成像标记器的预测模型的准确性有限.
• 需要改进的方法来预测DLC,以便更好地进行手术规划.

研究的目的:

• 开发和验证一个最佳的放射学临床模型,用于手术前预测DLC.
• 将手术前的基于CT的放射学特征与临床特征相结合,以提高预测性能.
• 确定用于DLC预测的表现最好的机器学习模型.

主要方法:

• 对2055名经过腹腔镜胆囊切除术 (LC) 的患者进行了回顾性分析.
• 在术前CT扫描中从胆囊壁中提取放射性特征,使用超分辨率重建.
• 使用六种机器学习算法开发和验证预测模型,通过Boruta-LASSO进行特征选择,并使用SHAP进行解释性分析.

主要成果:

• 博鲁塔-拉索算法确定了10个关键的放射性和临床特征.
• 基于随机森林算法的放射学临床模型实现了0.938 (训练) 和0.874 (验证) 的AUC.
• 与现有方法相比,开发的模型表现出优越的预测能力,具有增强的解释性.

结论:

• 该研究提出了第一个放射学临床随机森林模型,用于术前DLC预测.
• 这种基于机器学习的模型有助于更安全,更个性化的手术规划.
• 该模型在预测胆囊切除术的外科复杂性方面取得了重大进展.