使用CT放射学和机器学习预测大肠直肠肝转移的一年后复发
Ningxin Chen1, Boyang Zang2, Yangjia Chen3
1Department of Radiology, The Second Affiliated Hospital of Fujian Medical University, Quanzhou, Fujian, China.
PloS one
|August 29, 2025
概括
使用CT扫描和患者数据的新机器学习模型准确地预测了早期结直肠癌的肝转移复发. 这种工具有助于个性化监测,
科学领域:
- 放射学
- 癌症学
- 机器学习
背景情况:
- 结直肠癌肝转移 (CRLM) 的早期复发与生存率低下有关.
- 准确预测高危患者对于及时干预至关重要.
研究的目的:
- 开发和验证用于预测早期CRLM复发的机器学习模型.
- 确定与复发风险相关的关键临床和放射性特征.
主要方法:
- 从197名CRLM患者的CT图像中提取了993个放射性特征.
- 训练了8个机器学习模型,包括随机森林和极端随机树.
- 使用曲线下的面积 (AUC) 评估模型性能,以预测复发.
主要成果:
- 仅使用放射性特征,极端随机树的AUC达到0. 9667.
- 结合临床和放射性数据的随机森林模型产生了最高的AUC为0. 9672.
- 所有模型在整合两种特征类型时都显示出更好的性能.
结论:
- 基于CT的随机森林模型整合了临床和放射性数据,有效地预测了早期CRLM的复发.
- 这种预测模型可以个性化术后监测策略.
- 由于样本大小和单中心设计等研究局限性,需要进一步的多中心验证.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.9K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
193
