通过机器学习影像组学预测乐伐替尼单药治疗不可切除肝细胞癌(HCC)的反应
作者:药纷享医学部陶铭谦
浏览:294次
发布时间:2023-06-13
评估乐伐替尼开始后的肿瘤反应。从对比增强的CT图像中提取影像组学特征。K均值聚类算法用于区分基于影像组学的亚型。构建了 10 个机器学习(ML)影像组学模型,并通过 10 倍交叉验证进行了内部验证。这些模型随后在外部验证队列中进行了验证。
总共确定了 109 名患者进行分析,即训练队列中的 74 名患者和外部验证队列中的 35 名患者。 32 名患者表现出部分反应,33 名患者表现出疾病稳定,44 名患者表现出疾病进展。总缓解率(ORR)为29.4%,疾病控制率为59.6%。总共提取了 224 个放射组学特征,并确定了 25 个重要特征以供进一步分析。通过 K 均值聚类确定了两个基于放射组学的远距离亚型,亚型 1 与更高的 ORR 和更长的无进展生存期 (PFS) 相关。在 10 种 ML 算法中,AutoGluon 显示出最高的预测性能(AUC = 0.97),在验证队列中相对稳定(AUC = 0.93)。 试验分析表明,应答者的总生存期更好 [HR = 0.21;95% 置信区间 (CI):0.12–0.36;P < 0.001] 和 PFS(HR = 0.14;95% CI:0.09–0.22;P < 0.001)高于无反应者。
试验构建了有价值的机器学习(ML)放射组学模型,在预测不可切除的 HCC 对乐伐替尼单药治疗的反应方面具有良好的性能。
更多药品相关信息请咨询药纷享客服,上市情况、有没有仿制药、价格多少