换一批基于机器学习的病理组学模型在成人型弥漫性胶质瘤诊断中的应用
MACHINE LEARNING-BASED PATHOHISTOLOGICAL MODELING IN THE DIAGNOSIS OF ADULT-TYPE DIFFUSE GLIOMAS
摘要目的 基于全视野数字病理切片(WSIs)使用机器学习技术开发构建预测模型,快速、准确预测胶质瘤的IDH状态和1p19q共缺失状态,减少对传统分子检测的依赖.方法 本研究为回顾性研究,纳入2011-2022年郑州大学第一附属医院2072例成人型弥漫性胶质瘤患者的WSIs及临床信息.使用CellProfiler软件从WSIs中提取形态学、纹理、颜色等多维度病理组学特征,并通过Z-score标准化处理.采用Boruta算法结合随机森林模型筛选关键特征集,分别用于IDH状态和1p19q共缺失状态预测.随后,使用随机森林算法构建预测模型,并通过10折交叉验证进行训练和优化.模型性能通过ROC曲线、PR曲线和校准曲线评估.此外,通过Kaplan-Meier曲线对比评估模型预测效能.结果IDH状态预测模型在训练集和验证集上的AUC分别为0.86和0.82,PR曲线训练集AUC为0.78,校准曲线显示预测概率与实际概率高度一致.1p19q共缺失预测模型在训练集和验证集上的AUC分别为0.82和0.77,PR曲线训练集AUC为0.52,校准曲线显示出较高的预测准确性.Kaplan-Meier生存分析显示,模型预测的KM曲线与真实曲线贴合紧密,验证了模型预测效能.结果表明,病理组学模型可成功预测胶质瘤的IDH状态和1p19q共缺失状态.结论 成功构建基于WSIs的病理组学预测模型,可快速、准确预测胶质瘤IDH状态和1p19q共缺失状态,具有临床应用潜力.
更多相关知识
分类号
R739.41（神经系肿瘤）
栏目名称
DOI
10.16827/j.cnki.41-1404/z.2025.04.018
发布时间
2025-09-22（万方平台首次上网日期，不代表论文的发表时间）
- 浏览5
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
