基于机器学习的MRI放射学模型的开发和验证,用于T3直肠癌的手术前淋巴结分期

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 医疗成像医学成像

背景情况:

• 准确的淋巴结分期对于直肠癌 (RC) 治疗计划至关重要.
• 在T3 RC中淋巴结转移的手术前分期仍然具有挑战性.
• 目前的方法可能缺乏最佳治疗决策所需的精度.

研究的目的:

• 评估基于磁共振成像 (MRI) 的放射学模型的诊断性能,用于预测T3 RC患者的淋巴结分期.
• 评估模型在低 (N0/N1) 和高 (N2) 节点负荷之间区分的能力.
• 确定放射学模型在手术前分期的临床实用性.

主要方法:

• 在没有新辅助治疗的情况下接受手术的225名T3RC患者的回顾性分析.
• 从初级瘤的高分辨率T2加权成像 (T2WI) 中提取放射性特征.
• 应用LASSO用于特征选择和模型构建的后勤回归,通过ROC分析和DCA验证.

主要成果:

• 开发了一个使用16个选定的特征的放射学签名.
• 后勤回归模型在训练队列中实现了0.900的AUC,在测试队列中达到0.876.
• 决策曲线分析证实了该模型在手术前分期的临床实用性.

结论:

• 开发的基于MRI的放射学模型提供了一种有效的,非侵入性的方法,用于T3 RC的手术前淋巴结分期.
• 该模型准确地区分了N0/N1和N2阶段,有可能改善治疗策略.
• 高分辨率T2WI放射学表明,它有望提高直肠癌分期的诊断准确性.