使用多模式数据预测肺癌患者放射治疗的反应
Xiaojuan Duan1,2, Yushun Gong1, Liang Wei1
1Department of Biomedical Engineering and Imaging Medicine, Army Medical University, Chongqing, China.
Journal of applied clinical medical physics
|October 8, 2025
概括
这项研究表明,预治疗数据可以预测肺癌放射治疗反应. 多模式数据和反向传播神经网络 (BPNN) 准确识别了部分反应和进展性疾病,有助于个性化治疗.
科学领域:
- 在瘤学瘤学.
- 医学物理 医学物理
- 数据科学数据科学数据科学
背景情况:
- 肺癌患者的放射治疗 (RT) 反应有显著的差异.
- 预测RT反应前治疗对于指导临床决策至关重要.
- 识别不太可能从RT中受益的患者可以优化治疗策略.
研究的目的:
- 为了预测肺癌患者的放射治疗反应.
- 使用多式联运数据来提高预测准确度.
- 开发个性化肺癌治疗的模型.
主要方法:
- 在RT之前收集了120名肺癌患者的多式联络数据 (人口统计,放射学,生物学,生理学).
- 使用固体瘤响应评估标准 (RECIST) 进行分类的治疗反应.
- 在分层培训,验证和测试集上训练并验证了一种反向传播神经网络 (BPNN) 模型.
主要成果:
- 综合所有特征的综合BPNN模型实现了0.855的曲线下面面积 (AUC),用于部分响应预测.
- 同一个模型实现了0.929的AUC,用于预测疾病的进展.
- 在响应组之间观察到58个患者特征的显著差异.
结论:
- 治疗前的人口,放射和生理数据与肺癌中的RT反应有关.
- 开发的BPNN模型有效地使用多式联络数据预测部分和渐进性疾病.
- 这些模型可以指导个性化治疗策略,并识别非有益的RT病例.
