XiaoMi-AI文件搜索系统
World File Search System控制率
基于放射组学的脑转移瘤患者术后立体定向放射治疗局部控制率预测
摘要背景。手术切除是治疗大型或有症状的脑转移瘤 (BM) 患者的标准方法。尽管辅助立体定向放射治疗后局部控制得到改善，但局部失败 (LF) 的风险仍然存在。因此，我们旨在开发并外部验证一种基于治疗前放射组学的预测工具，以识别高 LF 风险的患者。方法。数据来自 BM 切除腔立体定向放射治疗多中心分析 (AURORA) 回顾性研究（训练队列：来自 2 个中心的 253 名患者；外部测试队列：来自 5 个中心的 99 名患者）。从增强 BM（T1-CE MRI 序列）和周围水肿（T2-FLAIR 序列）中提取放射组学特征。比较了不同的放射组学和临床特征组合。最终模型在整个训练队列上进行训练，使用先前通过内部 5 倍交叉验证确定的最佳参数集，并在外部测试集上进行测试。结果。使用放射学和临床特征组合训练的弹性网络回归模型在外部测试中表现最佳，一致性指数 (CI) 为 0.77，优于任何临床模型（最佳 CI：0.70）。该模型在 Kaplan-Meier 分析中有效地根据 LF 风险对患者进行分层（P < .001），并显示出增量的净临床效益。在 24 个月时，我们发现低风险组和高风险组分别有 9% 和 74% 出现 LF。结论。临床和放射学特征的组合比单独的任何临床特征集更能预测无 LF。LF 高风险患者可能会受益于更严格的随访程序或强化治疗。
基于放射组学的脑转移瘤患者术后立体定向放射治疗局部控制率预测
1 德国慕尼黑工业大学伊萨尔右翼医院放射肿瘤学系 2 德国诺伊尔贝格慕尼黑亥姆霍兹中心亥姆霍兹 AI 3 德国慕尼黑工业大学伊萨尔右翼医院诊断和介入神经放射学系 4 德国慕尼黑工业大学 TranslaTUM - 癌症转化中央研究所 5 德国慕尼黑工业大学信息学系 6 瑞士苏黎世大学放射肿瘤学系 7 德国马格德堡马格德堡大学医院放射肿瘤学系 8 德国耶拿弗里德里希-席勒大学耶拿大学医院放射治疗和放射肿瘤学系 9 瑞士苏黎世大学定量生物医学系 10慕尼黑，德国慕尼黑 11 海德堡大学医院放射肿瘤学系，德国海德堡 12 海德堡放射肿瘤学研究所 (HIRO)，国家放射肿瘤学中心 (NCRO)，德国海德堡 13 德国哥廷根大学医学中心放射肿瘤学系，德国哥廷根 14 阿劳州立大学 KSA-KSB 放射肿瘤学中心，瑞士阿劳 15 德国富尔达综合医院放射肿瘤学系，德国富尔达 16 德国基尔石勒苏益格-荷尔斯泰因大学医学中心放射肿瘤学系 17 德国弗莱堡大学医学中心放射肿瘤学系，德国弗莱堡 18 德国癌症联盟 (DKTK)，弗莱堡合作伙伴中心，德国弗莱堡 19 塞浦路斯欧洲大学德国肿瘤中心放射肿瘤学系，塞浦路斯利马索尔20 德国法兰克福及北德 Saphir 放射外科中心，基尔，德国 21 德国法兰克福大学医院神经外科系，法兰克福，德国 22 德国慕尼黑翻译放射医学研究中心 (DKTK)，慕尼黑合作网站，慕尼黑，德国 23 德国慕尼黑亥姆霍兹中心放射医学研究所 (IRM)，放射科学系 (DRS)，慕尼黑，德国 24 德国慕尼黑工业大学医学人工智能与信息学研究所