基于机器学习的放射学方法评估手术前非对比CT用于预测结肠癌中的微卫星不稳定性

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:

• 微卫星不稳定性 (MSI) 是结肠癌的一个关键生物标志物.
• 准确的MSI状态预测对于治疗选择至关重要.
• 有了对比度增强的CT放射学模型,但需要对比剂.

研究的目的:

• 评估基于CT的非对比放射学模型的可行性,以预测结肠癌中MSI状态.
• 与现有方法相比,评估该模型的性能.

主要方法:

• 对57名结肠癌患者的非对比腹部CT数据的回顾性分析.
• 基于Voxel体积的瘤特征选择,使用相关性分析,逻辑回归,LASSO和RFE.
• 开发和评估一个具有交叉验证的多层感知子分类模型.

主要成果:

• 无对比CT放射学模型在交叉验证中实现了0.871的准确性.
• 在测试队列中,该模型显示AUC为0.944,准确度为0.842,灵敏度为0.889,特异性为0.800.
• 性能与对比度增强的基于CT的放射学模型相美.

结论:

• 无对比CT放射学可用于预测结肠癌中MSI状态.
• 这种方法提供了一种灵活,具有成本效益的初步选工具.
• 它可以通过在没有额外的医学检查的情况下识别MSI-H亚型来增强临床决策.