使用TC放射性基于机器学习模型预测转移性黑色素瘤预后:一项初步研究
Antonino Guerrisi1, Maria Teresa Maccallini2, Italia Falcone3
1Radiology and Diagnostic Imaging Unit, Department of Clinical and Dermatological Research, San Gallicano Dermatological Institute IRCCS, 00144 Rome, Italy.
Cancers
|July 29, 2025
概括
这项研究开发了一个人工智能 (AI) 模型,使用计算机断层扫描 (CT) 放射学来预测转移性黑色素瘤 (MM) 患者的预后. 人工智能模型表现出良好的预测能力,提供个性化的预后见解.
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:
- 转移性黑色素瘤 (MM) 管理正在随着人工智能应用而发展.
- 医学成像数据为人工智能带来革命性的患者监视和护理.
研究的目的:
- 开发和验证使用CT放射学用于MM预后的机器学习模型.
- 确定关键的预后因素,并准确预测患者的结果.
主要方法:
- 从CT扫描中提取了定量放射性特征 (质地,形态,强度).
- 在60个CT系列上训练了一个模型,并在58名MM患者的70个独立系列上进行了验证.
- 使用灵敏度,特异性和AUC评估的性能.
主要成果:
- 在内部测试中,AI增强模型实现了82%的ROC-AUC.
- 与传统方法相比,对损伤结果的预测能力良好.
结论:
- 人工智能驱动的放射性方法显示出对MM个性化的预后预测有前途.
- 为了支持临床决策,在更大,更多样化的群体中进一步验证是有必要的.
