使用基于AI的双能量CT对胃癌中Ki-67表达的非侵入性预测:一项多中心研究
Yusong Chen1, Yaru You1, Mengchen Yuan1
1Department of Radiology, The First Affiliated Hospital of Zhengzhou University, Henan International Joint Laboratory of Medical Imaging, Henan Key Laboratory of Digestive Tumor Imaging, Henan Key Laboratory of CT Imaging, Zhengzhou 450052, China.
European journal of radiology
|February 25, 2026
概括
这项研究开发了一个机器学习模型,使用双能CT (DECT) 虚拟单能图像 (VMIs) 来预测胃癌中的Ki-67表达. 该模型有助于进行非侵入性手术前评估和预后风险分层.
科学领域:
- 放射学和成像学 放射学和成像学
- 在瘤学瘤学.
- 人工智能在医学中的应用
背景情况:
- 胃癌Ki-67表达对于预后至关重要,但通常需要侵入性活检.
- 双能CT (DECT) 提供定量成像参数.
- 机器学习 (ML) 可以分析复杂的成像数据用于预测建模.
研究的目的:
- 开发和验证使用DECT虚拟单能图像 (VMIs) 的非侵入性ML模型,以预测胃癌中的Ki-67表达.
- 评估模型在术前预测和预后风险分层中的表现.
主要方法:
- 使用了367名胃腺癌患者的队列,分为培训和验证组.
- 提取了定量VMI参数,并用于构建ML模型 (物流回归被确定为最佳).
- 该模型与临床预测因素相结合,形成了一个名图,使用ROC分析,校准曲线和DCA进行验证.
主要成果:
- 结合的DECT模型在外部验证队列中实现了0.788和0.777的AUC.
- 该模型显示了良好的校准和临床实用性.
- 卡普兰-梅尔分析显示,基于无进展生存期 (PFS) 的患者有效分层.
结论:
- 基于DECT的ML模型可以有效地预测胃癌中Ki-67表达状态的非侵入性.
- 开发的模型为患者提供了有价值的预后风险分层.
