2019年8月30日

新radiomics模型使用免疫组织化学预测甲状腺结节

根据一个先于印刷文章发表在12月期的美国放射学杂志》(学杂志),研究人员验证首开先河的基于机器学习模型来评估免疫组织化学(包含IHC)疑似甲状腺结节患者的特点,实现“性能优良的非侵入性的预测存在的细胞角蛋白19日galectin 3, thyroperoxidase基于CT图像。

“当包含IHC信息隐藏在CT图像,”首席研究员Jiabing顾解释道,“这有可能辨别这些信息之间的关系和radiomics利用纹理分析。”

评估是否可以利用纹理分析预测包含IHC怀疑的特征甲状腺结节,顾和他的同事们从中国的济南大学招收了103名病人(cohort-to-validation队列训练比)与怀疑甲状腺结节曾经历了甲状腺切除术和包含IHC分析从2013年1月到2016年1月。所有103 patients-28男性,75名女性;平均年龄58岁;范围,33 - 70 years-underwent CT术前,和3 d切片机v 4.8.1被用来分析手术标本的图像。

促进两次试验法的方法,20个患者行CT系列的两组在10 - 15分钟,使用相同的扫描仪(LightSpeed 16、飞利浦医疗保健)和协议,没有对比。这些图片是只选择使用可再生的和nonredundant特性,不建立或验证radiomic模型。

克鲁斯卡尔-沃利斯检验(IBM SPSS v 19日)来提高分类性能与纹理特征包含IHC特点。顾等人认为特征与p < 0.05重要,和基于特征模型是通过支持向量机训练方法,评估对准确性、敏感性,特异性,相应的AUC,和独立的验证。从828年总特征,86年可再生的和nonredundant特性选择建立模型。

细胞角蛋白19 radiomic模型的最佳性能取得了84.4%的准确性训练队列和验证组的80.0%。同时,thyroperoxidase galectin 3预测模型证明81.4%和82.5%的精度验证培训组和84.2%和85.0%队列,分别。