使用CT纹理分析与机器学习相结合,在食管胃结腺癌中进行淋巴结转移的术前预测

科学领域:

• 医学成像
• 癌症学
• 人工智能

背景情况:

• 在治疗计划中,精确的食管胃结腺癌预手术阶段确定至关重要.
• 淋巴结转移是AEG的关键预后因素,但其非侵入性预测仍然具有挑战性.

研究的目的:

• 开发和验证AEG中淋巴结转移的非侵入性术前预测模型.
• 使用计算机断层扫描 (CT) 纹理特征和机器学习算法进行预测.

主要方法:

• 对57名病理确诊的AEG患者的手术前CT增强扫描进行分析.
• 使用机器学习算法从动脉和静脉相 CT 图像中提取和选纹理特征 (随机森林,后勤回归,决策树,支向量机器).
• 使用接收器操作特征曲线和各种预测指标进行模型性能评估.

主要成果:

• 机器学习模型在动脉和静脉阶段有效预测淋巴结转移.
• 具体模型在不同的指标上表现出色,例如,在动脉阶段的逻辑回归显示出高特异性 (1.0),而决策树在各阶段的表现一致.
• 在模型之间没有发现统计学上显著的AUC差异,表明可比的预测性能.

结论:

• 基于CT纹理的机器学习模型为预测AEG的淋巴结转移提供了强大的非侵入性方法.
• 这种方法可以帮助进行术前分期和优化AEG患者的治疗策略.