美國弗吉尼亞州利斯堡2019年8月30日訊——根據(jù)12月發(fā)表在《美國放射學雜志》(AJR)上的一篇優(yōu)秀文章，研究人員驗證了第一個基于機器學習評估疑似甲狀腺結節(jié)患者免疫組化(IHC)特征的模型，并根據(jù)CT圖像對細胞角蛋白19、半乳糖凝集素3和甲狀腺過氧化物酶的存在進行個體化無創(chuàng)預測取得了“優(yōu)異的表現(xiàn)”。
“當信息隱藏在CT圖像中時，”首席研究員古解釋說，“通過使用紋理分析，可以區(qū)分這些信息和放射性組織之間的關系?！?
為了評估紋理分析是否可以用于預測疑似甲狀腺結節(jié)的IHC特征，來自中國暨南大學的何故和他的同事招募了103名患者(訓練隊列與驗證隊列的比率，3.1)2013年1月至2016年1月對疑似甲狀腺結節(jié)患者進行甲狀腺切除術和IHC分析。所有103名患者-28名男性和75名女性；中位年齡為58歲；范圍：33-70歲-術前做CT，3D Slicer v 4.8.1分析手術標本圖像。
為了方便重新測試該方法，20名患者使用相同的掃描儀(LightSpeed 16，飛利浦醫(yī)療保健)和方案在10-15分鐘內在兩組CT系列中成像，無需施用造影劑。這些圖像僅用于選擇可再現(xiàn)和非冗余特征，而不是用于建立或驗證放射模型。
使用Kruskal-Wallis檢驗(SPSS v 19，IBM)來提高紋理特征和IHC特征之間的分類性能。顧等考慮到p 0.05的顯著特征，利用支持向量機方法對基于特征的模型進行訓練，評價其準確性、敏感性、特異性、對應的AUC和獨立驗證。從828個總函數(shù)中，選擇86個可重復和非冗余函數(shù)來建立模型。
細胞角蛋白19放射模型的最佳性能在訓練組產生84.4%的準確性，在驗證組產生80.0%的準確性。同時，訓練組甲狀腺過氧化物酶和半乳糖凝集素3預測模型的準確率分別為81.4%和82.5%，驗證隊列中的準確率分別為84.2%和85.0%。
注意到細胞角蛋白19和半乳糖凝集素3在乳頭狀癌中的水平非常高，顧堅持認為這些模型可以幫助放射科醫(yī)生和腫瘤學家識別甲狀腺乳頭狀癌，“這有助于甲狀腺乳頭狀癌的早期診斷和及時選擇治療方案?！?
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！