一个基于放射学的可解释模型,整合了延迟相CT和临床特征,用于预测尾形瘤的病理级别
Dong Bai1,2, Guanjun Shi3, Yuanzi Liang1
1Department of Radiology, Aerospace Center Hospital, Beijing, China.
BMC medical imaging
|July 29, 2025
概括
这项研究开发了一种可解释的机器学习模型,将CT放射学和临床数据结合起来,以非侵入性地准确预测尾伪肌瘤周周 (PMP) 的病理级别.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 附形膜瘤 (PMP) 的分级对于治疗规划至关重要.
- 准确的非侵入性分级仍然是一个挑战.
研究的目的:
- 开发一种可解释的机器学习模型,用于PMP的非侵入性病理分级.
- 将延迟相对比增强CT放射学与临床特征相结合.
- 使用Shapley添加式解释 (SHAP) 来实现模型的解释性.
主要方法:
- 158个PMP病例 (低级和高级) 的回顾性分析.
- 收集的临床数据:人口统计数据,血清瘤标志物,CT-腹癌指数 (CT-PCI).
- 从CT扫描中提取放射性特征;开发和验证后勤回归模型 (仅临床,仅放射性,组合).
主要成果:
- 联合的临床放射学模型实现了高性能 (AUC 0.91培训,0.88测试).
- 证明了比独立模型更高的预测准确性和临床实用性.
- SHAP分析确定了关键预测因素:波纹-LHH_glcm_InverseVariance,原始_形状_延长,以及CA-199.
结论:
- 一个可以解释SHAP的组合模型为PMP分级提供了一个准确的,非侵入性的工具.
- 放射学和临床数据的整合提高了预测性能.
- 通过个性化治疗决策,有可能改善患者的治疗结果.
关键词:
计算机断层扫描 (CT) 是一种计算机断层扫描.预测建模的预测建模.伪瘤 (Pseudomyxoma peritonei) 是一种可能导致瘤的疾病.无线电学 (Radiomics) 是一种放射学.瘤标志物 瘤标志物
