基于机器学习的临床放射学模型,用于预测在鼻腔状细胞癌的激进手术后复发风险:一项初步的2年随访研究
Yue Geng1, Jingfeng Cheng1,2, Dandan Shen1,3
1Department of Radiology, Eye & ENT Hospital of Fudan University, 83 Fenyang Road, Shanghai, 200031, China.
BMC medical imaging
|November 26, 2025
概括
结合临床和放射学数据的新型机器学习模型准确地预测了手术后两年内鼻腔状细胞癌复发风险. 该工具有助于为SNSCC患者提供个性化的治疗策略.
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:
- 鼻腔状细胞癌 (SNSCC) 由于手术后的复发风险而构成重大挑战.
- 准确预测复发对于有效的患者管理和治疗规划至关重要.
研究的目的:
- 开发和验证一种基于机器学习 (ML) 的最佳临床放射学模型,用于预测激进手术后SNSCC患者2年复发风险.
- 整合临床和放射学特征,以提高预测性能.
主要方法:
- 对207名接受手术前MRI的SNSCC患者进行了回顾性分析.
- 从扩散权重成像 (DWI) 序列中提取的放射学特征.
- 使用ML算法构建和验证临床,放射学和联合临床放射学模型;通过AUC评估性能.
主要成果:
- 结合的临床放射学模型在预测复发方面表现出了卓越的表现.
- 在测试队列中,该模型实现了0.83的AUC,超过了临床 (0.71) 和放射学 (0.77) 模型.
- 最佳模型整合了七个预测特征,包括手术边缘状态和T4阶段.
结论:
- 一个基于ML的临床放射学模型显示了预测SNSCC复发风险的有希望的性能.
- 该模型可以作为SNSCC管理中的精密医学的智能决策支持工具.
- 鉴于这些发现的初步性质,需要进一步验证.
