多区域CT特征改善了在晚期黑色素瘤中免疫治疗反应的预测

科学领域:

• 放射学和瘤学 放射学和瘤学
• 人工智能在医学中的应用
• 医学成像分析 医学成像分析

背景情况:

• 免疫疗法已经对晚期黑色素瘤进行了先进的治疗,但预测生物标志物是有限的.
• 确定可靠的生物标志物对于优化患者选择和治疗策略至关重要.

研究的目的:

• 评估来自不同解剖区域的计算机断层扫描 (CT) 功能是否可以预测晚期黑色素瘤的免疫治疗反应.
• 探索人工智能 (AI) 和机器学习 (ML) 在分析CT扫描中用于预测生物标志物发现的实用性.

主要方法:

• 分析了157名接受免疫检查点抑制剂 (ICI) 治疗的晚期皮肤黑色素瘤患者.
• 人工智能算法从预治疗CT扫描中提取了3D身体组成和胸部特征.
• 机器学习模型使用前五个特征和交叉验证预测了1年无进展生存期 (PFS).

主要成果:

• 多重CT特征,特别是来自L5脊椎和骨盆区域的特征,与免疫治疗反应有显著的相关性.
• 一个使用三个CT特征和两个临床变量的随机森林分类器实现了0.83.3的AUROC.
• 这种模型显著优于仅用于临床的模型 (AUROC 0.65).

结论:

• 整合来自多个解剖区域的成像特征可以提高在晚期黑色素瘤中免疫治疗反应的预测.
• 来自CT的身体组成和密度指标显示,作为ICI治疗的新型预测生物标志物具有前景.