预测一组编程细胞死亡蛋白-1 (PD-1) 抑制剂敏感生物标记物的小组使用多相计算机断层扫描成像纹理特征:回顾性队列分析

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 生物标志物发现发现

背景情况:

• 免疫检查点抑制剂对晚期胃癌有效,有效性与HER2,PD-L1和MSI-H等生物标志物有关.
• 非侵入性放射性模型可以预测单个生物标志物,但整体的,综合的预测在临床上更有效.
• 基于放射学的胃癌综合生物标志物预测的可行性需要进一步调查.

研究的目的:

• 开发和评估基于放射学的预测模型,使用多相CT图像对胃癌患者的HER2,PD-L1和MSI-H状态进行整体评估.

主要方法:

• 对461名胃癌患者的CT图像 (动脉和门静脉阶段) 和病理数据进行了回顾性分析.
• 放射性特征的提取,然后使用LASSO回归进行特征选择.
• 构建了三种极端梯度增强模型:只有动脉阶段,只有门静脉阶段,以及结合两个阶段的融合模型.

主要成果:

• 化放射学模型在测试组中实现了0.82的AUC,显著超过仅动脉相 (AUC 0.61) 和门静脉相 (AUC 0.70) 模型.
• 与单相模型相比,合模型显示出更高的灵敏度 (0.60) 和特异性 (0.83).
• 决策曲线分析表明,合并模型的临床净益更高.

结论:

• 基于放射学的胃癌生物标志物的综合预测模型在技术上是可行的.
• 这种方法为全面的瘤特征提供了一个有前途的方法.
• 开发的融合模型显示了在临床实践中改善非侵入性生物标志物评估的潜力.