《临床放射学杂志》发表论文赏析
作者:王莹, 魏东风, 柏根基
单位:223700 泗阳县第一人民医院(王 莹); 223300 淮安工业园区人民医院(魏东风); 223300 淮安,南京医科大学附属淮安第一医院(柏根基)
摘要:目的开发一种基于CT衍生的细胞外容积分数(ECV)联合传统特征的机器学习可解释模型术前无创性准确预测透明细胞肾细胞癌(ccRCC)的世界卫生组织/国际泌尿病理协会(WHO/ISUP)分级,为临床决策提供重要信息。方法回顾性分析2017年1月至2023年12月接受肾肿瘤切除术的222例患者。采用6种机器学习算法构建ccRCC WHO/ISUP 分级的预测模型:极端梯度提升(XGBoost)、逻辑回归(LR)、轻量级梯度提升机(LightGBM)、高斯朴素贝叶斯(GNB)、支持向量机(SVM)和K近邻(KNN)模型。使用受试者工作特征曲线(ROC)分析评价模型性能,包括曲线下面积(AUC)、敏感度、特异度、准确率、阳性预测值、阴性预测值和F1评分。校准图用于模型校准的目视评价。进行临床决策曲线分析,通过计算净获益评估潜在临床效用。结果按照7∶3比例随机分为训练集(155例)和验证集(67例)。机器学习结果表明XGBoost是针对此数据集的最佳模型选择,该模型在训练集和验证集中的AUC分别为1.000(95%CI:1.000~1.000)和0.873(95%CI:0.837~0.996),在独立测试集中AUC为0.861(95%CI:0.757~0.964),准确率为0.806,敏感度为0.389,特异度为0.959,阳性预测值为0.778,阴性预测值为0.810,F1评分为0.519。结论CT衍生的ECV结合传统CT特征的机器学习可解释模型是术前预测WHO/ISUP分级的可行性工具,以XGBoost机器学习模型更准确和稳健。
关键词:机器学习,细胞外容积分数,肾细胞癌,体层摄影术,X线计算机
2025年7期其他文献查阅:
基于多种机器学习算法的影像组学模型预测胶质瘤IDH突变状态的对比分析
自发性脑出血早期血肿扩大不同预测模型的对比分析以及多模态预测模型的构建
基于结构像及静息态功能MRI无灶性癫痫患者与正常人脑网络对比研究
MOLLI T1 mapping成像对脊髓型颈椎病术后最小临床重要差异的纵向预测价值
基于全数字化乳腺X线摄影和数字化乳腺断层摄影特征的深度学习模型对浸润性乳腺癌HER2表达状态的预测价值
基于治疗前DCE‐MRI的生境影像组学预测新辅助化疗后浸润性乳腺癌的病理完全缓解
基于CT征象及定量参数预测3 cm以下浸润性肺腺癌病理亚型的研究
18F-FDG PET/ CT代谢参数联合影像学特征对ⅠA~ⅡB期肺腺癌气腔播散的预测价值
基于CT灰度直方图构建小于20 mm肺磨玻璃结节浸润性的诊断预测模型
基于钆塞酸二钠增强MRI肝细胞癌术后晚期复发模型与临床模型对比研究
基于增强CT衍生细胞外容积分数的可解释机器学习模型术前预测透明细胞肾细胞癌WHO/ISUP分级
18F-FDG PET/CT代谢参数及肿瘤扩散特征与滤泡性淋巴瘤临床病理特征的相关性研究