多模式CT放射学预测PD-1抑制剂在晚期胃癌中的有效性:一项两中心验证研究
Zhipeng Wang1,2, Yinchao Ma1,2, Jiahe Tan3
1Department of Radiology, Shandong Provincial Hospital Affiliated to Shandong First Medical University, 250021, Jinan, China.
Insights into imaging
|October 31, 2025
概括
使用CT扫描和临床数据的新机器学习模型准确地预测胃癌患者对化疗和PD-1抑制剂的反应. 这种临床放射学方法为早期治疗疗效评估提供了一种可靠的方法.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 机器学习 机器学习
背景情况:
- 胃癌 (GC) 治疗反应与PD-1 抑制剂相结合的化疗有显著的差异.
- 早期预测治疗疗效对于优化患者的治疗结果至关重要.
研究的目的:
- 开发和验证一种多模式机器学习模型,用于预测GC患者对一线化疗加PD-1抑制剂的反应.
- 为了比较临床,放射学和联合临床-放射学模型的性能.
主要方法:
- 对348名GC患者的回顾性分析 (272个内部验证,76个外部验证).
- 提取治疗前的临床和CT放射学特征.
- 后勤回归 (LR),线性SVC,SVM和随机森林模型的开发.
主要成果:
- 使用LR的临床放射学模型实现了高AUC值 (0.94内部,0.85外部验证).
- 基于LR的临床放射学模型在外部验证中表现优于其他模型 (AUC=0.85).
- 选择的模型包括19个放射性和5个临床特征签名.
结论:
- 结合LR的临床放射学模型可靠地预测了接受化疗和PD-1抑制剂的高级GC患者的早期反应.
- 该模型为预测免疫疗法疗效和患者预后提供了一种新的方法.
- CT放射学和临床数据集成为个性化癌症治疗提供了强大的工具.
