基于MRI的机器学习模型预测了直肠癌中Galectin-9表达的表达水平
Yuhui Liu1, Shengtao Weng1, Dandan Wang2
1School of Medicine, Shaoxing University, Shaoxing, China.
Abdominal radiology (New York)
|March 16, 2026
概括
这项研究表明,使用MRI辐射学的机器学习模型可以预测直肠癌中的Galectin-9表达,有助于个性化治疗策略.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 机器学习 机器学习
背景情况:
- 结直肠癌的治疗需要准确预测分子标记物,如Galectin-9.
- 多模式MRI放射学提供了一种非侵入性的方法来评估瘤特征.
研究的目的:
- 为了评估机器学习模型的有效性,利用MRI放射学来预测直肠癌中Galectin-9表达的效果.
- 在此预测中探索T2加权成像 (T2WI) 和明显扩散系数 (ADC) 地图的实用性.
主要方法:
- 对局部晚期直肠癌患者的MRI图像和临床数据的回顾性分析.
- 从T2WI和ADC地图中提取特征,然后使用LASSO进行选择.
- 极端梯度提升 (XGBoost),SVM和KNN模型的开发和比较.
主要成果:
- XGBoost 模型在预测 Galectin-9 表达方面表现出卓越的性能.
- 在测试组中,T2WI和ADC组合模型实现了0.808.8的曲线下面积 (AUC).
- 测试组中的AUC值为T2WI的0.774和ADC模型的0.706.
结论:
- 基于多模体MRI放射学的机器学习模型可以有效地预测直肠癌中Galectin-9的表达.
- 这种方法有可能为直肠癌患者提供个性化的治疗分层.
