基于息地的放射性模型用于预测膀癌的肌肉入侵:使用增强型CT和机器学习的多中心研究
Yiheng Du1,2, Hong Li3, Yiqun Sui4
1Department of Urology, Suzhou Kowloon Hospital, Shanghai Jiao Tong University School of Medicine, Suzhou, China.
Medical physics
|August 9, 2025
概括
一个基于息地的新型放射性模型准确地预测了膀癌的肌肉入侵. 这种方法提高了使用CT成像和机器学习的诊断准确性,以获得更好的患者结果.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医学成像分析 医学成像分析
背景情况:
- 在膀癌中,准确评估肌肉侵袭对于治疗和预后至关重要.
- 瘤异质性影响治疗的有效性,需要先进的评估方法.
- 基于息地的放射学为增强瘤状况评估提供了一个潜在的解决方案.
研究的目的:
- 调查基于新息地的放射性模型在膀癌中预测肌肉入侵的有效性.
- 将息地模型的性能与传统单相,多相和临床模型进行比较.
主要方法:
- 对来自两个机构的325名膀癌患者进行了回顾性分析.
- 在CT衍生的纹理特征上使用K-means集群识别内息地.
- 使用ExtraTree算法和PyRadiomics开发一个息地放射性模型.
主要成果:
- 确定了三个不同的瘤息地.
- 息地模型实现了高AUC (0.947训练,0.825测试) 的肌肉入侵预测.
- 息地模型表现优于单相,多相和临床模型,组合模型表现优越.
结论:
- 基于息地的放射学与机器学习相结合,准确地预测了膀癌的肌肉入侵.
- 基于CT的息地放射特征使得可靠的手术前评估成为可能.
- 这种方法有望改善膀癌治疗策略.
