预测ALK阳性肺癌的无进展生存率:基于息地成像的机器学习算法
Fen Wang1, Qinmin Hao2, Yizhen Jia2
1Department of Radiology, The Affiliated Huai'an No. 1 People's Hospital of Nanjing Medical University, Huai'an, China.
Journal of thoracic disease
|September 15, 2025
概括
一个新的息地放射学模型准确地预测了形淋巴瘤激酶阳性 (ALK +) 肺癌的疾病进展. 使用CT成像的这种方法改善了ALK+肺癌患者的预后分层,提高了生存预测.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 无塑性淋巴瘤激酶 (ALK) 突变驱动肺癌,ALK阳性 (ALK+) 患者的生存率更高.
- 第一线治疗有利于ALK驱动的肺癌,需要准确的进展预测.
研究的目的:
- 使用CT衍生生息地分析开发机器学习模型,以预测ALK+肺癌的疾病进展.
- 评估该模型对无进展生存 (PFS) 的预后价值.
主要方法:
- 从79名ALK+晚期肺癌患者的CT扫描中提取了基于息地集群的放射性特征.
- 比较了八个机器学习算法来构建一个息地-放射学 (rad_habitat) 模型.
- 开发了结合临床变量和rad_habitat评分的临床和组合模型.
主要成果:
- 确定了三个不同的瘤息地.
- 多层感知子 (MLP) 算法产生了最好的息地放射学模型 (AUC=0.836在测试中).
- 组合模型显示出比单独的临床模型更好的预测准确性,rad_habitat得分是PFS的独立预测指标.
结论:
- 息地放射学方法为预测ALK+肺癌疾病进展提供了准确和可解释的方法.
- 将rad_habitat评分与临床特征相结合,可以提高这些患者的预后分层.
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
7.4K
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
493
