基于多序MRI的放射性模型,在手术前预测肝细胞癌中的Ki-67表达

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:

• 核蛋白Ki-67表达是肝细胞癌 (HCC) 的显著预后指标.
• 准确的手术前预测Ki-67表达对于患者分层和治疗计划至关重要.

研究的目的:

• 开发和验证HCC患者Ki-67表达的预测模型.
• 用临床和放射性特征来评估机器学习算法的性能.

主要方法:

• 患者与孤独的HCC被招募并分为培训和测试队列.
• 提取和分析了临床数据和多序MRI放射性特征.
• 机器学习模型,包括LightGBM和决策树,用于预测Ki-67的表达.

主要成果:

• 多序列LightGBM放射性模型实现了卓越的预测性能 (AUC=0.965在训练中,0.766在测试中).
• 放射性模型,特别是那些使用DWI和多序列数据的模型,表现优于临床模型.
• 结合的临床和放射学模型并没有显著提高预测准确度.

结论:

• 多序列LightGBM放射性模型提供了一种非侵入性方法,用于在手术前预测HCC中Ki-67表达.
• 该模型可以帮助识别高复发风险的患者,指导个性化治疗策略.