基于CT的息地放射学模型的开发和验证,用于预测非小细胞肺癌的病理分级

科学领域:

• 放射学和医学成像技术
• 在瘤学瘤学.
• 人工智能在医学中的应用

背景情况:

• 准确的非小细胞肺癌 (NSCLC) 病理分类对于治疗选择至关重要.
• 传统的分级方法可能是主观的,耗时的.
• 需要新的成像生物标志物来提高诊断准确度.

研究的目的:

• 开发和验证NSCLC病理分级的预测模型.
• 评估息地放射学和临床特征在预测瘤等级方面的有效性.
• 为了比较不同放射性特征集的性能.

主要方法:

• 追溯分析800名NSCLC患者的非对比CT扫描.
• 整体瘤体积 (WTV) 划分和K-means集群用于息地亚区域的识别.
• 后勤回归模型利用整个瘤体积 (WTV) 放射学,息地放射学,临床特征和组合集.

主要成果:

• 在预测病理等级方面,息地放射学 (Clf 息地) 优于WTV放射学 (Clf WVOI) 和临床特征 (Clf 临床).
• 组合模型 (Clf总) 显示出最高的预测性能,在3级与1-2级相比,曲线下的面积 (AUC) 为0.91,在1级与2级相比,为0.88.
• 组合模型实现了优异的特异性 (0.84和0.77) 和均衡的精度 (BACC) (0.82和0.81).

结论:

• 息地放射学显著提高了NSCLC病理分级的准确性.
• 多式联运预测模型提供了强大的性能和高特异性.
• 这些发现支持使用先进的放射性分析进行个性化NSCLC治疗计划.