开发一种预后模型,用于术前I-III阶段的乳腺癌,使用机器学习与集成的形光束乳腺计算机断层扫描数据
Yang Zhao1, Wenjuan Deng1, Shanshan Zhou1
1Department of Medical Imaging Center, Guangxi Medical University Cancer Hospital, Guangxi Zhuang Autonomous Region, Nanning, 530021, China.
La Radiologia medica
|October 29, 2025
概括
这项研究开发了一种使用圆束乳腺计算机断层扫描 (CBBCT) 和血液测试来预测乳腺癌患者的结果的预测模型. 综合方法在预测早期乳腺癌的总体和无病生存率方面表现出更高的准确性.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 准确的预后对于指导乳腺癌I-III期治疗决策至关重要.
- 整合成像和血液学数据可能会提高预测准确度.
- 圆束乳房计算机断层扫描 (CBBCT) 提供了详细的解剖学和功能信息.
研究的目的:
- 开发和验证手术前I-III阶段乳腺癌的综合预后模型.
- 结合光束乳房计算机断层扫描 (CBBCT) 成像功能与血液学指标.
- 利用机器学习来识别关键的预后因素.
主要方法:
- 对243名I-III期乳腺癌患者的回顾性分析.
- 应用机器学习框架从37个CBBCT和血液学特征中进行特征选择.
- 开发和评估使用ROC曲线分析和回归的nomogram模型.
主要成果:
- 一个机器学习模型确定了12个总生存指标 (OS) 和18个无病生存指标 (DFS).
- 综合模型实现了0.832的OS预测AUC,超过了临床模型 (AUC=0.777).
- 关键的OS独立风险因素包括分子类型,增强曲线类型和形态;化是DFS的风险因素.
结论:
- 该研究成功地确定了预后CBBCT和血液学特征.
- 开发的诺莫格拉姆模型证明了I-III阶段乳腺癌的术前预测性能令人满意.
- 这种综合方法为个性化乳腺癌预后提供了一个有前途的工具.
