基于基金会模型的肺癌存活率的预测,使用双重时间点CT扫描中的时间变化
Jessica Petrochuk1, Suraj Pai1,2,3, John He1,2
1Department of Radiation Oncology, Dana-Farber Cancer Institute/Brigham and Women's Hospital, Harvard Medical School, Boston, MA, USA.
Scientific reports
|December 3, 2025
概括
这项研究预测了非小细胞肺癌 (NSCLC) 的生存率,使用双重时间点CT扫描和基础模型特征. 与单个时间点相比,CT扫描特征的时间变化改善了生存预测.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 肺癌,特别是非小细胞肺癌 (NSCLC),是癌症死亡的主要原因.
- 目前的生存预测模型,包括基于临床数据和单一时间点的深度学习图像模型,都有局限性.
- 先进的模型通常需要广泛的数据集,缺乏时间分析.
研究的目的:
- 为接受放射治疗的NSCLC患者开发一个改进的生存预测模型.
- 为了利用双重时间点CT扫描和基础模型衍生的功能来提高预测准确性.
- 调查时间特征变化在生存预测中的有用性.
主要方法:
- 使用了102名NSCLC患者的数据集,这些患者接受了治疗前和治疗后的CT扫描.
- 将基础模型应用于CT扫描以提取高维特征向量.
- 总结了特征向量,并采用了统计分析,包括随机森林和梯度增强生存模型.
- 使用欧几里德距离和特征向量的元素智能减法分析时间变化.
主要成果:
- 与单个时间点特征相比,特征向量的时间变化显示出更好的生存预测.
- 来自双重时间点CT扫描的特征向量提供了更准确的生存预测.
- 提出的方法表现优于传统的基于临床数据的模型.
结论:
- 双时间点CT扫描分析与基础模型特征相结合,为NSCLC生存预测提供了一个有希望的方法.
- 时间特征动态对于改善放射治疗中的预后准确性至关重要.
- 这种方法有可能增强NSCLC患者的个性化治疗策略.
