基于MRI的放射组学预测肢端肥大症中生长抑素受体配体反应:一项自动化流程研究

《Journal of the Endocrine Society》:MRI-Based Radiomics Prediction of Somatostatin Receptor Ligand Response in Acromegaly: An Automated Pipeline Study

【字体: 大 中 小 】 时间:2026年08月27日 来源:Journal of the Endocrine Society 4.4

编辑推荐:

   摘要 背景 放射组学技术可能捕获预示治疗反应的肿瘤特征。 目

  

摘要

背景

放射组学技术可能捕获预示治疗反应的肿瘤特征。

目的

开发一种基于MRI的放射组学方法,用于预测肢端肥大症患者对生长抑素受体拮抗剂(SRLs)的反应。

方法

研究使用了来自3个数据集的267名受试者的MRI数据,开发了一种自动肿瘤检测和分割流程(西班牙多中心肢端肥大症IGTP队列,n=81;两个公共数据集,n=186)。该流程包括三个阶段:(i) 自动肿瘤检测(YOLOv8),(ii) 3D分割(SegResNet),以及 (iii) 带有监督分类的放射组学特征提取(PyRadiomics)。治疗反应的放射组学数据来自49名接受SRL治疗的患者,使用的是增强型T1加权(CE-T1W1)MRI图像。SRL反应的定义是IGF-1水平降低或恢复正常至少50%。通过分层重复k折交叉验证评估了11种机器学习分类器。

结果

结合使用CE-T1WI和T2WI数据时,自动分割算法的Dice系数为0.795;在肢端肥大症特异性队列中,这一数值降至0.765。表现最好的模型是一种三特征逻辑回归分类器,其跨 folds的AUC为0.798(95%置信区间:0.671-0.918),平衡准确率为0.793,F1分数为0.815,49名患者中有39名被正确分类(79.6%)。随着放射组学特征集从五个减少到两个,模型性能有所提升。最稳定的特征是“log-sigma-3-0-mm-3D_glcm_ClusterShade”,该特征在98%的交叉验证折叠中出现,并且对模型的判别能力贡献最大。

结论

在这项关于肢端肥大症SRL反应预测的多中心放射组学研究中,自动化流程展示了良好的判别性能(AUC=0.798)。这些发现凸显了放射组学在治疗预测方面的潜力及当前面临的挑战。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号