预测结直肠癌肝转移的早期复发:使用放射学和机器学习的综合方法

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 数据科学数据科学数据科学

背景情况:

• 大肠直肠癌经常转移到肝脏,在手术后复发率很高.
• 准确预测早期复发对于有效的治疗策略至关重要.

研究的目的:

• 利用放射学和机器学习开发和评估一种用于预测肝脏内复发的新策略.
• 评估各种机器学习模型在识别患有早期肝转移复发风险的患者中的性能.

主要方法:

• 结合放射学特征提取与机器学习分类.
• 构建和评估多个机器学习模型 (渐变增强,LightGBM,随机森林).
• 在测试组上验证模型以确定预测准确性.

主要成果:

• 放射学和机器学习模型显示出在一年内预测复发的潜力.
• 随机森林模型在结合成像和临床数据时实现了75.86%的准确性.
• 随机森林模型表现出强大的预测能力,AUC为70.83%.

结论:

• 图像omics和组合模型有效地预测结直肠癌肝转移在一年内复发.
• 这些模型可以帮助临床分层,并在手术后识别高风险患者.