机构名称：
¥ 1.0
这项研究研究了预处理定量MRI和临床特征以及机器学习技术的有效性，以预测用低算力立体定向放射治疗（SRT）治疗的脑转移患者的局部衰竭。使用来自100名患者（141个病变）的数据开发了预测模型，并在独立的测试集上进行了20例患者（30个病变）的数据进行评估。定量MRI放射素特征是从处理对比度增强的T1W和T2-Flair图像得出的。使用多相功能降低和选择程序来构建最佳定量MRI生物标志物来预测治疗结果。使用类似的程序评估了治疗结果预测中标准临床特征的性能。生存分析，以比较基于预处理预测确定的两个患者队列（局部对照/失败）的长期结局，以及SRT后的最后患者随访中的标准临床标准。开发的定量MRI生物标志物由四个特征组成，具有两个特征，量化了水肿区域的异质性，一个特征表征了肿瘤内异质性，以及描述肿瘤形态的一个特征。在独立的测试集上，具有放射线和临床特征集的预测模型分别为0.87和0.62。将放射线特征纳入临床预测模型中，将模型的AUC提高了16％。使用基于放射线学的预测模型和使用RANO-BM标准在治疗前确定的两个患者队列的存活中观察到了统计学上的显着差异。这项研究的结果表明，在预测相对较大的脑转移中，在接受SRT的相对较大的脑转移中进行定量MRI放射素特征具有良好的潜力，并且是朝着脑转移的精确肿瘤学范式迈出的一步。
先验预测脑转移后局部失败...
主要关键词
相关文件推荐
