用放射学驱动的机器学习模型进行肝细胞癌病理差异化的非侵入性预测:多序磁共振成像 (MRI) 的见解
1Department of Radiology, The People's Hospital of Yubei District of Chongqing City, Yubei District, Chongqing, 401120, China.
Clinical radiology
|December 1, 2025
概括
这项研究开发了一个机器学习模型,使用MRI放射学来预测肝细胞癌 (HCC) 的病理级别. 组合模型实现了最高的准确性,提供了有价值的手术前决策支持.
科学领域:
- 放射学 放射学是一门学科.
- 机器学习 机器学习
- 在瘤学瘤学.
背景情况:
- 肝细胞癌 (HCC) 的病理分级对于治疗计划至关重要.
- 准确的HCC等级的非侵入性预测仍然是一个挑战.
- 机器学习和放射学为改善诊断准确性提供了潜力.
研究的目的:
- 为了比较机器学习和放射学模型来预测HCC病理等级.
- 评估这些模型在各机构的稳定性和通用性.
- 确定用于非侵入性HCC等级预测的关键特征.
主要方法:
- 一项多中心的回顾性研究,对321名HCC患者使用预治疗MRI.
- 放射学模型是从动脉相,T2加权成像和扩散加权成像序列开发出来的.
- 通过LASSO回归和模型评估使用四个机器学习分类器 (SVM,RF,XGBoost,LightGBM) 进行特征选择.
主要成果:
- 综合MRI放射学模型实现了最高的诊断准确度 (0.829).
- 在T2WI/DWI上的随机森林 (RF) 和在AP上的支持矢量机 (SVM) 显示出强的表现.
- 莎普利添加剂解释 (SHAP) 确定了关键的歧视性特征.
结论:
- 具有机器学习的MRI放射学模型可以非侵入性地预测HCC病理差异化等级.
- 开发的模型提供了手术前决策支持.
- 为了广泛的临床应用,需要进一步验证.
