基于放射学的机器学习对结肠直肠癌复发风险的预测性能:系统性审查和元分析
Yuan Sun1,2, Bo Li3, Chuanlan Ju4
1Centre for Evidence-based Chinese Medicine, Beijing University of Chinese Medicine, No.11 East Beisanhuan Road, Heping Street, Chaoyang District, Beijing, 100029, China, 8613552999260.
JMIR medical informatics
|December 2, 2025
概括
基于放射学的机器学习模型在预测结直肠癌 (CRC) 复发风险方面表现有前途. 结合放射学和临床特征,提供最好的预测性能,支持个性化治疗策略.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 预测结直肠癌 (CRC) 复发是一个挑战.
- 放射学模型显示了预测CRC复发的潜力.
- 缺乏系统证据阻碍了放射学模型的临床采用.
研究的目的:
- 探索放射学在预测CRC复发中的价值.
- 为开发有针对性的干预提供证据.
- 系统地评估基于放射学模型的CRC复发预测.
主要方法:
- 来自4个数据库的17项研究 (4600名患者) 的元分析.
- 包括研究开发/验证了使用CT/MRI用于CRC复发的放射学模型.
- 使用Radiomics质量评分评估研究质量;使用双变异混合效应模型汇总c指数值.
主要成果:
- 研究的质量很低 (平均RQS为13.23/36).
- 结合放射学和临床特征,获得了最高的c指数值 (0.83在验证中,0.83在内部验证中,0.83在外部验证中).
- 仅仅放射性特征显示出比单独临床特征更好的预测 (0.80对0.73在验证中).
结论:
- 放射学模型,特别是集成模型,显示出预测CRC复发的巨大潜力.
- 限制包括研究质量和异质性的适度,需要进一步高质量的前性研究.
- 综合模型可以提高CRC患者的风险分层和个性化治疗.
更多相关视频
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
628
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
472
