在手术前的基于多参数MRI的预测Ki-67表达在初级中枢神经系统淋巴瘤
Jian Xu1,2, Lili Zhang3, Qingzeng Liu1,2
1Shandong Cancer Hospital and Institute Shandong First Medical University and Shandong Academy of Medical Sciences Jinan P. R. China.
Precision radiation oncology
|October 30, 2025
概括
多参数MRI放射学准确地预测了初级中枢神经系统淋巴瘤 (PCNSL) 中的Ki-67表达. 这些模型有助于PCNSL患者的预后和个性化治疗计划.
科学领域:
- 放射学 放射学是指放射学
- 机器学习 机器学习
- 在瘤学瘤学.
背景情况:
- 基-67是瘤扩散的一个关键标志物.
- 主要中枢神经系统淋巴瘤 (PCNSL) 需要准确的预后标志物.
- 在手术前预测Ki-67的表达,可以指导治疗策略.
研究的目的:
- 开发机器学习模型,用于预测PCNSL中的Ki-67表达.
- 为了利用单个和多参数MRI放射性特征进行预测.
- 帮助预后和个性化治疗规划PCNSL.
主要方法:
- 74名PCNSL患者的回顾性分析多序MRI. 多序MRI.
- 从细分的瘤体积中提取851个放射性特征.
- 应用八个机器学习分类器到单参数和多参数数据集.
主要成果:
- 多参数MRI放射性模型显示出卓越的预测性能.
- 纯粹的贝叶斯 (AUC:0.78,AP:0.90) 和后勤回归 (AUC:0.73,AP:0.83) 是表现最好的.
- 逻辑回归在决策曲线分析中提供了最高的净收益.
结论:
- 多参数MRI放射性模型对于预测PCNSL中的Ki-67来说是准确和稳定的.
- 这些模型支持PCNSL管理的临床决策.
- 放射学提供了一种非侵入性的方法来评估瘤生物学.
